随着全球太空资源开发热潮的不断高涨和人类对外太空探索的不断深入,空间目标态势感知变得越来越重要,而空间目标识别是空间目标态势感知的基础。空间目标识别的主要任务是从观测数据中获取目标情报。高分辨率光学望远镜能够直接获取空间目标图像,对重点空间目标具有良好的信息获取能力。当前,这类光学望远镜不仅布置于地面也会直接部署于空间,为空间态势感知提供关键信息。由于这类设备在空间工作时处于无人控制状态,对其自主感知能力、能耗和生存能力均有较高要求。因此,针对高分辨率光学望远镜研究高效、低功耗且具备一定自主能力的空间目标识别技术具有重要的军事价值。基于此,本文围绕空间目标数据集的构建、空间目标识别技术、空间目标信息感知技术、空间目标检测网络及感知神经网络在人工智能芯片的部署等方面开展了如下工作:（1）在空间目标数据集构建方面。由于空间目标多为非合作对象,具有真实标签的实测数据获取困难,导致在空间目标识别技术的研究过程中,缺少训练数据。因此,通过对空间目标的太空环境进行模拟,设计实现了一套空间目标模拟图像生成管道（pipeline）。该pipeline能生成不同类别空间目标任意距离、姿态的清晰图像,并模拟不同模糊程度及噪声干扰。（2）在空间目标识别方面。研究了基于YOLOv3的空间目标检测网络。针对空间目标检测网络仅能识别某一退化程度的空间目标的问题,设计了基于混合训练的空间目标载荷检测网络。经实验验证表明:多种空间目标（哨兵、锁眼卫星等）载荷（镜头、天线、电池板）在不同模糊程度、不同噪声水平下的测试识别准确率达到80%以上。（3）在空间目标信息感知方面。首先,在空间目标载荷检测网络的基础上,针对空间目标的不同特性分别训练两个空间目标检测网络。其次,为了实现自动化空间目标检测,设计了基于模型组合的空间目标信息感知专家系统,即将以上两个网络的输出进行融合,实现了直接判断空间目标综合状态的功能。（4）在空间目标检测及感知网络部署方面。由于天基平台空间及供能有限,使用体积大、耗能高的GPU来实现空间目标感知是不太现实的。所以,利用体积小、性能较强、适合于边缘计算的设备上实现实时空间目标感知很有必要。本文提出了将空间目标检测及感知网络模型部署于英伟达人工智能芯片设备上,实现了空间目标状态实时检测。