随着我国长期、载人空间站发展计划的逐步落实，空间碎片引发的超高速撞击问题日益突出，空间碎片在轨感知系统的研究也愈发紧迫。空间碎片在轨感知系统的主要功能之一是对空间碎片撞击进行感知定位并对损伤进行评估。其中，损伤模式识别是空间碎片在轨感知系统的主要技术难点。目前，基于声发射技术的损伤识别的研究主要是通过对声发射信号进行参数及波形分析获得的，此方法只能对损伤模式进行定性的判别而不能进行定量的分析。本文在损伤模式识别方面引入了神经网络方法，提出使用LVQ神经网络方法进行损伤的定性判别，同时使用BP神经网络进行定量的分析，利用训练针对模拟高速撞击声发射技术的神经网络研究撞击损伤模式问题。本文首先研究了可能与损伤模式相关的特征参数，获得了表征损伤模式具有高相关度的靶板损伤参数和声发射波形特征参数，并分别通过傅里叶变换、小波变换等信号处理手段提取这些参数，通过对比分析得知这些参数在高速撞击声发射信号中各自表征和影响的损伤模式参量，以供基于神经网络手段的损伤模式识别方案。利用AUTODYN数值仿真软件进行大量的高速撞击仿真实验，对不同速度下的高速撞击实验进行定量分析。从实验结果中提取有效的参数作为神经网络技术的输入样本，获得不同速度、不同位置下的各高速撞击声发射信号参数，建立针对高速撞击声发射技术的多种神经网络系统，并利用前面提取出的参数对网络进行训练和验证，获得最适合针对高速撞击事件损伤模式识别的LVQ神经网络系统和BP神经网络系统。本文的研究成果主要是为空间碎片在轨感知系统开发提供理论基础，验证基于神经网络的空间碎片在轨感知系统对损伤模式识别具有一定的可行性，具有一定的理论研究和工程实践意义。