在核科学技术给人类的生活带来便捷服务和清洁能源的同时,人们逐渐开始关注核辐射给环境和身体带来的影响。通常辐射环境中存在的放射性物质都会释放出γ射线,通过对γ射线的测量,可以了解放射性物质中的核素种类,判断核素的含量和活度等。然而现实测量中,环境或其他干扰射线的影响会导致谱信号出现频繁的重叠现象。常用的γ射线探测器中,NaI(Tl)探测仪由于其探测效率高、维护方便、价格适中等优点被广泛使用,但其对能量相近的重叠峰分辨能力不强,这使得重叠峰的分解成为谱分析中的难题。因此基于此背景,本文根据γ能谱的统计分布规律,在MATLAB平台上运用期望最大值法、遗传算法和粒子群算法完成了对模拟重叠峰的分解。论文主要工作及成果如下:1、首先讨论了能谱及其数学模型,然后根据能谱的统计涨落特性,在MATLAB平台上模拟出了原始的重叠峰谱线,并作为后续算法的研究对象,为误差分析依据。2、针对期望最大值法在解决重叠峰分解问题时计算时间过长的缺陷,提出一种快速算法,并且有效的利用该算法完成了重叠峰的分解任务。3、简单阐述了遗传算法的优越性并对重叠峰进行分解:将待求的解集空间和解集空间中的解看作遗传算法中的染色体和基因,结合遗传算法工具箱,通过一系列的选择及遗传操作后,在全局模式找出最符合原始重叠峰的参数组合。4、寻找粒子群算法与重叠峰分解之间的联系,完成初始参数的讨论、适应度函数的选择、粒子评价、粒子的位置更新以及个体极值与全局极值的更新等工作,最终得到良好的分解效果;其次运用该算法完成232Th和226Ra核素的实际重叠峰的分解任务。5、运用期望最大值算法、遗传算法及粒子群算法均实现了双峰重叠峰及三峰重叠峰的分解工作。双峰重叠峰分解中:当初始参数均未知时三种方法可以分解的最小的峰位间距分别为17KeV、13KeV和5KeV;当初始峰位已知时最大期望值法可以完成8KeV道值窗的重叠峰分解,且遗传算法的权重和标准偏差的误差均有所降低。在三峰重叠峰分解中:利用峰位与偏差的关联性可以提高最大期望值法和遗传算法的参数精度;对于粒子群算法,即使在初始参数均未知时,也可以完成185KeV、195KeV及203KeV三峰位的分解,且分解结果较好。理论上本文研究的三种算法均可以实现能量相近的多峰重叠峰的分解工作,且解效果较好,对于实际的分辨率低的重叠峰分解问题具有一定的参考价值。