随着军用核武器、核材料及核技术扩散日益严重,以及核辐射事故和核恐怖事件特有的突发性,对社会安全和国家政治经济有极大威胁,具有核探测设备的多旋翼飞行器在核环境中的应用已经逐渐凸显出它的优势与不可估量的效果。本文围绕放射性物质探测、识别和处置问题,开展了理论与实际紧密结合的多旋翼飞行器γ谱仪关键技术研究工作。主要内容包括以下几方面:在研究数字谱仪原理和结果的基础上,分析得出多旋翼飞行器影响γ谱仪性能的主要因素及需要解决的关键技术问题。针对多旋翼飞行器平台,对传统核能谱仪数字处理方法进行分析、比较,并确定合成成形法、时间比较法、平均法为该平台的γ谱仪数字处理方法,为能谱分析奠定基础。针对传统谱线平滑方法在滤波器参数选择不当或平滑次数过多时引起谱线畸变的缺点,提出一种递归最小二乘法的能谱平滑方法。利用自适应滤波器原理,采用快速卡尔曼实现递归最小二乘法,并通过前向、后向预测器更新滤波器系数,实现能谱数据的平滑处理。通过实验将该方法与多项式最小二乘法、最小均方算法进行定性分析与比较,结果表明该方法能较好地降低能谱中的噪声,并能保持能谱的特征。针对传统神经网络在核素识别中训练效果弱,易陷入局部极小、收敛速度慢等问题,提出了基于概率神经网络的核素识别方法。平滑后的能谱数据通过希尔伯特-黄变换进行特征提取,将谱峰宽度、特征能量射线强度、峰面积等特征信息作为概率神经网络的输入,建立训练与测试样本从而进行核素识别。实验结果表明,此算法可以处理单一核素、混合核素以及未知核素的情况,可应用于安全监控、失控放射物探测等快速核素识别领域。最后,搭建了一套多旋翼飞行器γ谱仪关键技术测试平台,该平台具有前置放大、增益可调放大及数据采集等功能,对理论得出的最优化数字核信号处理方案的可行性与合理性进行了验证。为核事故突发情况下,使用具有核探测的多旋翼飞行器为核事故现场勘察和障碍排除奠定坚实的基础。