电磁量能器是北京谱仪(BESⅢ)的重要组成部分之一，它承担着BESⅢ电子和中性粒子能量、位置的测量及粒子的识别，要求好的能量分辨、位置分辨和探测效率。量能器簇射位置的重建精度直接影响着末态粒子π0、η等中性粒子的重建，不同粒子在量能器中有不同的信息，这一点可以用于粒子鉴别。本论文主要在原有重建软件的基础上进行研究和改进，包括两个部分：第一：基于神经网络方法的EMC粒子鉴别算法的改进；第二：量能器不同的位置重建方法以及位置修正的改进。其中第二部分是本论文研究的重点。　　 BESⅢ上许多重要的物理课题都对粒子鉴别性能提出了很高的要求，对于给定的硬件和软件系统，粒子鉴别的性能主要取决于粒子鉴别所用的鉴别参数以及粒子鉴别算法。由于在量能器中的沉积能量不同，可以对电子和π介子进行很好的识别。通过研究发现改进EMC粒子鉴别算法可以有效的提高e/π的鉴别效率，包括增加描述簇射形状的参数和用更为精确的kalP代替原有的MDC重建动量recP。　　 对于电子和光子位置的测量是量能器的一个主要功能之一，而与物质的相互作用以及重建算法本身引起的偏差等因素都会导致重建位置与预期位置有偏移。为了达到好的位置分辨，就需要仔细研究位置重建的算法，优化各种参数，把量能器重建得到的位置尽量修正到入射粒子的准确期待位置。目前量能器位置重建软件已经成功用于真实数据，但软件仍需进一步改进。在研究位置修正时，端盖因其几何结构较为复杂，没有进行修正；而桶部仅对蒙特卡罗模拟研究给定了简单的位置修正参数，应用于真实数据。本论文在该位置重建软件的基础上，主要研究了不同的位置重建方法，确定晶体前端定位的对数权重作为默认算法，并在此默认算法下对量能器的桶部和端盖均进行了详细的位置修正，同时考虑了位置修正参数对簇射能量和位置的依赖，从而提高位置重建的性能。