NaI(TI)γ数字化便携式能谱仪是近年来研究的一项热门话题,数字化能谱仪较之之前的模拟式谱仪探测效率更高,省去了之前需要将数据后期传输给计算机进行处理的过程有效的实现了实地测量快速检测到结果的目的。便携式的成功实现给测量时带来了更大的方便,并且随着科技的不断发展,各项技术的不断创新,以及嵌入式系统方面研究各项新成果的不断取得,给数字化便携式能谱仪的研究提供了许多的便利。目前,我们研究的这款NaI(TI)γ数字化便携式能谱仪在结合前人经验的基础上,不仅在硬件方面取得了一定的技术革新,在进行数据处理过程中,针对以往的能谱仪对放射性元素含量低,种类繁多时检测结果不准确,以及便携式能谱仪本身测量精度较低的问题进行了深入的研究。本文在分析比较以往的Y能谱数据处理算法的基础上,详细讲述了数字化便携式核素识别谱仪中的能谱数据处理方法,针对NaI(TI数字化便携式)Y能谱仪中的解谱难点,对谱数据的光滑处理,峰位识别算法,独特的核素库的建立,以及最终的核素的定性识别等问题进行了深入的分析、研究,并进行了相关算法的验证。针对便携式仪器的功耗以及CPU计算能力问题,提出了将数据进行主成分分析后再代入BP神经网络中进行分类识别的方法。结果证明这种方法在保证原有置信度的前提下有效的提高了识别效率。同时本文还提出了一种新的直接匹配的方法来定性识别位置核素,通过将实验数据与神经网络的方法对比得出,这种新的方法拥有较高的识别精度,并且相对于神经网络的方法来说,这种新的直接匹配的方法在保证相对的识别精度的前提下,具有识别速度快,易于编程实现等优点。