γ能谱分析是放射性分析以及核材料识别的重要技术手段,广泛应用于环境放射性监测、核武器核查以及打击核恐怖等核安全保障领域。由于噪声常常给γ能谱分析和识别带来不利影响,甚至造成错误的结果,因此,γ能谱降噪是γ能谱分析与识别的重要技术环节,也是γ能谱分析技术中一项重要研究课题。传统γ能谱降噪方法主要有道址域曲线拟合移动平滑法和频率域滤波法。移动平滑法往往容易引起谱线变形、失真、甚至畸变。频域滤波法则因噪声频谱与谱成分频谱存在重叠而难以对噪声和谱成分进行有效分离,常常导致γ能谱降噪不充分或降噪过度。本文首次提出了基于奇异谱分析的γ能谱降噪方法。通过建立轨迹矩阵将γ能谱映射到相空间,再通过轨迹矩阵的奇异值分解和重构,对噪声和谱成分进行分离,从而达到对γ能谱降噪的目的。主要研究内容如下:1.阐述基于奇异谱分析的γ能谱降噪基本原理和算法,并对降噪算法的参数选取方法进行研究和探讨;2.利用所提出的方法对实测γ能谱进行线性滤波和同态滤波降噪处理,并与傅里叶变换和小波变换降噪方法进行比较;3.将奇异谱分析降噪法应用到γ能谱指纹的人工神经网络识别和模糊识别技术中,对其降噪的实效性进行检验。结果显示,奇异谱分析线性滤波法使γ能谱信噪比提高20.64%～25.58%,傅里叶变换和小波变换分别提高17.89%～26.50%和17.83%～26.49%;奇异谱分析同态滤波法使γ能谱信噪比提高31.57%～39.16%,傅里叶变换法和小波变换法分别提高21.09%～25.96%和28.23%～35.50%。奇异谱分析法使统计涨落γ能谱指纹的最低隶属度由降噪前的0.9292 提高到 0.9447。研究表明,奇异谱分析降噪法可有效分离谱成分和谱噪声,提高了γ能谱信噪比和统计涨落γ能谱指纹的最低隶属度,并适用于线性滤波和同态滤波降噪,是一种有效易行的γ能谱降噪方法。所提出的降噪算法参数的选取方法—剩余噪声奇异谱相关法合理有效,并优于传统方法,可避免γ能谱降噪不充分和过度降噪。