针对城市供水管网泄漏检测需求，进行了泄漏声信号识别方法研究。分析了泄漏信号的时域、频域及波形特点，提取出可用于泄漏信号表征的20种特征参数；基于提取的泄漏声信号特征参数，构建了泄漏声信号　BP　神经网络识别系统；研究了神经网络结构（隐含节点数、传递函数、学习率）及输入参数的数量和种类对泄漏信号识别效果的影响，并优化出最佳的神经网络结构及输入参数。在以上研究基础上，利用优化后的神经网络对实验室及现场管道泄漏信号进行了交叉训练和识别，结果表明，提出的基于泄漏特征参数的神经网络系统具有较高的可靠性和普适性，可以很好地实现不同场景下泄漏信号的交叉识别，整体识别率达92．5％，为解决不同工况下泄漏信号识别做了有益的探索。