基于半导体Si探测器的α粒子能谱测量技术已成为测定环境、生物及核技术相关样品中α核素的重要放射性分析手段，其中对α粒子能谱的解析是实现α核素定性和定量分析的基础。几乎每种α核素都具有多个能量的α粒子射线，同种核素或不同种核素之间，能量相近的α粒子普遍存在。由于α粒子本身的特性，在α粒子能谱探测时，源的自吸收、介质的吸收、探测器入射窗（死层）的吸收、电荷的不完全收集、电子学噪声等因素，综合导致α粒子能谱形成了独特的低能拖尾。目前的探测器，即使能量分辨率最高的半导体Si探测器都无法将这些能量峰完全分开。因此，在探测器有限的能量分辨能力下，精确分析α核素的种类和放射性水平，准确地解析α粒子能谱显得尤为重要。　　国内外学者针对α粒子能谱的解析已开展了多年研究，提出了诸多α粒子能谱探测器响应函数模型。由于α粒子能谱的特殊性，对α粒子能谱响应函数模型的研究焦点主要在低能拖尾的描述。目前，国内外研究表明:基于高斯函数和单个或多个指数函数的卷积建立的α粒子能谱探测器响应函数具有最好的效果。而实际上，由于大多数α核素在衰变过程中还伴随着低能转换电子和X射线的发射，在探测器有限的响应时间内，α粒子与低能电子、光子的符合在所难免，导致在探测器中沉积的能量比α粒子本身的能量还要高，因此α粒子能谱中还会呈现高能拖尾，这在241Am、243Am等α核素能谱中尤为明显，因此有必要对现有的α粒子能谱探测器响应函数进行改进。另一方面，基于探测器响应函数，采用加权非线性最小二乘法进行拟合时，算法中对参数初值的估计是能否成功或准确地拟合能谱的关键。目前的方法主要基于经验值，这对于多个参数的函数模型而言，人为地调整缺乏稳定性且费时，往往效果极差，因此对初值的获取方法和优化研究对提高分析准确性和实现自动化拟合解析具有重要意义。　　针对上述共性问题，本文在深入研究前人的工作基础上，围绕半导体Si探测器α粒子能谱解析开展新模型、新方法和应用研究。主要研究内容及结论如下:　　(1)系统分析了α粒子能谱的形成机理、半导体Si探测器对α粒子能谱响应的物理过程，针对α粒子与转换电子、光子的符合效应对α粒子能谱造成的高能拖尾，建立了一种新型带高能拖尾的α粒子能谱探测器响应函数模型——EMG-Landau模型，该模型以多指数函数卷积高斯的EMG模型为基础，增加Landau分布项描述高能拖尾。通过IAEA参考α粒子能谱、EUROMET参考α粒子能谱和超铀核素α粒子能谱实验对该模型进行了应用测试，结果表明:EMG-Landau模型能够更全面准确地描述α粒子能谱峰形，能有效准确地拟合带有高能拖尾的α粒子能谱;对于符合效应明显的α核素，如243Am和241Am，EMG-Landau模型拟合效果优于EMG模型;对于低能量分辨率、低统计性以及符合效应较弱的α粒子能谱，EMG-Landau模型拟合效果与EMG模型拟合效果相当。　　(2)针对加权非线性最小二乘拟合α粒子能谱中对参数初值估计的关键问题，提出一种基于统计矩的参数初值获取方法。该方法适用于单指数卷积高斯的响应函数模型，但对更复杂的多指数卷积高斯的响应函数模型的应用受限;本文在此基础上，又提出一种以Rex2函数为适应度函数的基于遗传算法的参数初值获取方法，准确对多参数的α粒子能谱探测器响应函数模型进行了参数初值估计。　　(3)将反卷积迭代方法应用于α粒子能谱解析中，并通过对比Boosted-Gold、Richardson-Lucy和MAP三种目前最理想的能谱反卷积迭代算法，综合解析准确性和运算速度两方面指标，表明Boosted-Gold迭代算法优于其它两种算法。在反卷积迭代解析过程中，本文针对蒙特卡罗模拟α粒子能谱响应函数，建立了一种α粒子蒙特卡罗模拟注量谱展宽算法，准确实现了α粒子模拟谱的解析展宽。在此基础上，融合蒙特卡罗模拟α粒子能谱与能谱插值算法建立了α粒子能谱探测器响应矩阵，为实现α粒子能谱反卷积迭代解析奠定了基础。　　本文的主要创新点如下:　　(1)提出了一种带高能拖尾的新型α粒子能谱探测器响应函数模型——EMG-Landau模型，能够更准确地描述α粒子能谱峰形，实现更精确的解析;　　(2)提出了一种基于统计矩的α粒子能谱参数初值获取方法，能够有效估计单指数卷积高斯的响应函数模型的参数初值，实现对α粒子能谱的拟合;　　(3)在基于统计矩的参数初值获取方法应用受限的基础上，提出了一种基于遗传算法的α粒子能谱参数初值获取方法，更准确的估计了多参数α粒子能谱探测器响应函数模型的参数初值;　　(4)将反卷积迭代方法应用于α粒子能谱解析中，建立了一种α粒子蒙特卡罗模拟注量能谱展宽算法，同时，融合蒙特卡罗模拟α粒子能谱与能谱插值算法建立了α粒子能谱探测器响应矩阵，实现了α粒子能谱的反卷积解析。　　综上，本文在前人研究基础上，针对半导体Si探测器α粒子能谱解析中的共性问题，建立了新型α粒子能谱探测器响应函数模型;提出了针对α粒子能谱拟合中参数初值的获取方法;建立了α粒子蒙卡注量谱展宽算法，并将反卷积迭代方法应用于α粒子能谱解析中，丰富了α粒子能谱解析方法。本项研究为提高α粒子能谱解析精度和为实现自动化解析积累了研究经验，具有一定的参考价值。