γ能谱分析技术和γ能谱指纹识别技术的应用范围非常广泛,例如,环境放射性监测、防止核扩散、防止核恐怖、核武器核查、核能应用以及宇宙探测等领域。然而在实际的γ射线探测和分析过程中,由于受到环境噪声、仪器的电子学噪声、物理过程产生的统计涨落以及γ能谱仪系统特性等一系列因素的影响,所测的γ能谱中总会含有噪声,这些噪声成分常常会给γ能谱分析和γ能谱指纹识别带来严重的不利影响,通常会造成解谱困难,甚至会造成错误的分析结果。所以开展γ能谱消噪处理研究工作具有重要的实际意义和研究价值。在已有的γ能谱消噪工作中,常用的消噪方法都是以加性噪声模型基础,加性噪声模型认为实测γ能谱等于理想γ能谱和噪声线性叠加而成的。但是由于能谱仪系统存在非线性和时变性,所以,理想γ能谱和噪声之间不只存在线性叠加的关系,实测γ能谱除了加性噪声外,还有会存在乘性噪声成分。本工作从信号和系统的角度,论证了γ能谱乘性噪声的存在,并建立了新的噪声模型,即γ能谱乘性噪声模型和γ能谱混合噪声模型,同时给出了相应的同态滤波消噪方法,并利用同态滤波方法对实测γ能谱进行噪声消除处理。主要的研究内容如下:1.关于γ能谱的混合噪声模型和乘性噪声模型的提出;2.基于傅里叶变换和小波变换的γ能谱同态滤波消噪方法;3.实测γ能谱的消噪处理与对比分析。通过对实测γ能谱消噪处理和结果分析可知,采用不同的噪声模型进行噪声消除,对γ能谱全能峰峰位和净峰面积的影响很小,消噪前后均保持不变。采用加性噪声模型消噪后,γ能谱信噪比的提高幅度为13.51%~33.06%。采用乘性噪声模型和混合噪声模型消噪后,相应γ能谱的信噪比提高幅度为24.47%~55.93%,提高幅度明显高于加性噪声模型,说明乘性噪声模型和混合噪声模型的消噪结果明显优于加性噪声模型。采用三种噪声模型的傅里叶变换滤波方法消噪,全能峰的峰高、半宽度和γ能谱的峰康比变化均不显著。而采用基于乘性噪声模型和混合噪声模型的小波变换同态滤波消噪,全能峰的峰高可提高7.95%~9.75%,相应的半宽度则减小9.56%~12.56%,峰康比则提高7.12%~10.88%。总之,实测γ能谱中除了有加性噪声的存在外,还有乘性噪声的存在。一般情况下,我们可以用混合噪声模型来对实测γ能谱进行噪声消除处理,而在加性噪声所占比例较小的情况下,混合噪声模型也可以简化为乘性噪声模型。基于乘性噪声模型和混合噪声模型的同态滤波消噪方法的消噪效果明显优于基于加性噪声模型的传统线性滤波消噪方法。