在近地轨道（LEO）,大型、长期在轨航天器极有可能受到微流星体和轨道碎片（MMOD）撞击,导致航天器结构的退化和恶化,甚至产生气体泄漏,严重威胁航天器和航天员安全。基于声发射检测技术有利于及时在轨感知是否发生气体泄漏、并进行泄漏源定位。然而由于气体泄漏源信号具有连续性、多特征频带、频散特性以及能量弱等非常特殊的表现形式,将不能根据信号的到达时刻进行定位,使得对航天器气体泄漏实现快速感知和准确定位成为亟待解决的问题。为解决这一问题,提出一种气体泄漏声源自动定位技术,利用传感器阵列来定位航天器结构中的连续泄漏源。同时为评估泄漏源的危险程度,采用神经网络对气体泄漏孔尺寸进行识别,将导致结构失效的风险降至最低。主要内容归纳如下。获得气体泄漏声发射信号产生机理和衰减特征。通过模拟气体泄漏实验采集气体泄漏信号,采用傅里叶变换和数值分析方法对泄漏信号进行处理,分析不同直径漏孔泄漏信号的时频特征、时域幅值和频域能量衰减特征。根据Lamb理论计算得到信号模态及其频散曲线,确定定位时选择的模态,并对产生模态的机理进行分析。基于AR-AIC准则和混沌理论实现对微弱气体泄漏信号识别。撞击信号和泄漏信号的区别在于有无达到时刻,经过AR-AIC拟合,撞击信号会在达到时刻取得AIC最小值,而泄漏信号的AIC值在时间轴上呈一条直线,根据两者AIC值差别判断是否为泄漏信号。针对噪声背景下微弱泄漏信号识别,将微弱泄漏信号加入搭建的混沌系统,阵子相轨迹从混沌状态转变为大周期态,以此识别是否发生泄漏。提出一种带自动窗窄带滤波的气体泄漏声源自动定位算法。根据泄漏信号多频带特征、频散现象等特殊表现形式,通过设计自动窗窄带滤波自主选取信号多个特征频带,并自动进行频带加权和波速补偿,既实现对铝合金平板和加筋板结构中不同直径漏孔的泄漏声源精确定位,又提高了算法适用性。利用神经网络实现对泄漏孔尺寸识别。研究发现气体泄漏信号平均幅值随漏孔增大明显增大、且各特征频带能量随传播距离变远出现衰减,选取平均幅值和各频带能量作为训练样本,通过建立BP神经网络实现对泄漏孔尺寸的识别。研究成果对完善空间碎片在轨感知系统泄漏识别模块及其工程应用具有较强的实际意义。