随着反应堆运行、核退役等活动的开展，以及核事故的发生，产生了大量的放射性废物，由于这些废物对人类环境具有极强的危害性，必须对它们做妥善处置，以保证人类生活、生产的安全。在回收、处理或处置这些放射性废物之前，必须对其放射性进行测量，以便分级和确定处理方案。α测量是核辐射测量的重点之一，在核辐射监测领域占有重要地位。特别针对工作现场，需要对α放射性进行准确、快速的测量，因此急需建立一套应用于现场的α探测技术，实现在污染现场进行准确、有效的α污染测量。为了实现现场对α污染的准确、快速测量，课题组自主研制开发了一套基于金硅面垒（silicon surface barrier，SSB）探测器的便携式α谱仪，并且为谱仪开发了一套真空系统，让探测器在真空条件下工作，避免α粒子与空气进行复杂作用而损失能量，实现对总α活度的准确测量。但对总α活度进行分析远远不够，还需要对α能谱进行分析，以便准确分析样品中α放射性核素的种类和活度。从1987年至今，国外对α能谱的数值分析取得了重大进展。但传统的α能谱分析方法都是基于经验公式对α能谱进行拟合，由于α能谱分析是很复杂的非线性问题，第一步需要给参数设置初始值。需要利用很多方法解决这个问题，首先将线性拟合中的一些参数取先验值，而保持其他所有参数不变。这个过程是一个非常繁复的过程，需要耗费非常大的精力与时间且不一定能取得很好的效果。近年来，研究者们提出了利用神经网络对能谱进行分析，人工神经网络（Artificial Neural Net，ANN）不是将实验数据拟合成数学函数，而是通过利用实际样品的α能谱谱峰为模型，再利用ANN对其进行预测训练。但这种研究方法仍处于初级阶段，相关研究内容很少。国内对于α能谱分析技术的研究很少，而对人工神经网络研究刚处于起步阶段，制约了α能谱分析技术的广泛推广应用。本论文针对上述α能谱分析技术的关键问题，在调研国内外研究现状的基础上，依托核地球物理勘探技术仪器开发及应用研究-国家自然科学基金国家杰出青年科学基金（41025015）与科技部创新方法工作专项（2008IM021500）“现场应急α核素快速分析系统研制”项目，开展了基于金硅面垒半导体探测器的α能谱分析技术的系统研究。论文的主要研究内容及成果如下：（1）对α谱仪系统进行了能量刻度与效率刻度利用前期实验数据，在不同测量条件下对谱仪系统进行能量刻度与效率刻度，并且分析研究了α谱仪在探测具有相同能量而不同强度的放射源时，真空条件对探测效率的影响。结果表明仪器对相同能量的α粒子不同强度的源的探测效率与真空度满足一次指数关系，真空度愈高，仪器的探测效率愈好。（2）研究对比了α粒子在空气中的能量损失率通过对实验数据处理，得出α粒子在不同真空条件下的能量损失，并且与理论计算值进行比较，结果表明实验值与理论值符合得很好，证明α谱仪的测量值真实、可靠。（3）利用BP网络对获取的实验数据对α能谱的预测。在MATLAB平台上搭建基于L-M算法的BP神经网络，通过对网络的训练学习，实现对感兴趣区域的α谱线的预测。将预测谱线与实验能谱进行对比研究表明，BPα网络的预测效果良好。（4）基于经验公式的α能谱解谱技术研究在确定基于经验公式的α能谱解谱解谱模型后，通过尝试的方法，设置模型中各参数的初始值，最终实现对各参数的最优化。将解谱模型应用于实验能谱中，取得较好的拟合效果，相关系数都在0.99以上。最终与基于神经网络的拟合方法进行对比研究，结果表明神经网络具有其简单、准确的优点，能够更好地应用于α能谱解谱技术中。本课题既开展了基础性研究工作，同时在方法和技术上有了一定的创新，最终成果达到了对α能谱进行准确预测的目的，建立了一套较准确的α能谱解谱技术。本文的创新点主要有以下三点：（1）通过实验研究，总结出α谱仪关键参数（真空条件、不同α粒子能量）对谱仪输出结果的影响特征，并建立相应的刻度模型；（2）将传统的试验方法与先进的数学方法相结合，用于α能谱分析技术，形成一套完整的复杂α能谱解谱理论与体系。（3）将传统的基于经验公式的α能谱拟合方法与通过神经网络预测的α能谱拟合方法进行对比研究，获得较好的分析方法。论文从α能谱测量的基础理论出发，以前期自主研发的便携式α谱仪，以不同表面活度的α面源作为测量对象，以不同真空条件为测量条件的实验数据为基础，对便携式α谱仪在不同真空条件下进行能量刻度与探测效率刻度；然后研究粒子在不同真空条件下损失的能量，并且与理论计算值进行比较。最后在前期研究成果基础上，利用神经网络以及基于经验公式的方法对不同真空条件下所取得的α谱进行分析，为我国核设施退役、环境监测等领域中α活度监测积累了更多数据。