随着核技术在工农业、医疗、国防等领域的广泛应用,核材料扩散、核恐怖事件以及核事故的威胁日益严重,对核安全与核检测技术提出了新的要求。本文针对核技术应用中遇到的一些实际问题,通过对γ能谱分析与核素识别方法的研究,重点解决强噪声、低探测率情况下的γ能谱分析与多核素识别问题。主要研究内容包括以下几个方面:对能谱信号进行预处理。在分析γ能谱成形原理基础之上,采用基于能谱全能峰信息的传统分析方法,对实测及仿真γ能谱进行分析。利用最小二乘平滑与马尔科夫平滑,在保留原始γ谱峰大部分重要特征下,完成含噪能谱的平滑降噪;通过导数寻峰与量子球寻峰方法对γ能谱进行寻峰,有效地提高了谱峰的分辨能力,实现能谱的特征提取。针对传统分析方法对高本底、低探测率的γ能谱解析效果不明显的问题,提出了一种基于奇异值分解的全谱分析方法,对低分辨率能谱具有较好的区分度,并且避免了人为设定参数对识别结果带来的影响。针对传统分析方法很难完成对重叠峰的解析问题,将能谱以向量空间模型表示,采用非负矩阵分解方法,实现对重峰的解析。研究了支持向量机在γ能谱分类识别中的应用,针对核素识别中的具体要求提出了相应的改进方案。通过实测能谱分析,讨论了单一核素及混合核素的识别情况,并对比了不同特征提取方法的优缺点。方法能够完成对低分辨率能谱的识别,并能有效识别混合核素样本的组成成分。