核能与核技术应用领域广泛,有力地推动了国民工农业生产和经济的发展。同时,因为放射性物质的危险性与特殊性,对其生产过程及放置存储进行实时监测十分必要。在诸多放射性监测手段中,对放射源所释放的γ射线进行测量和分析是实现放射性核辐射材料检测与识别的可靠方法之一。但此过程中,受环境本底辐射和屏蔽体等各方面的影响,探测器探测到的射线脉冲信号是极其微弱的。此外,受到探测器能量分辨率的影响,低能特征峰可能会淹没在背景噪声中。使用一般的时频分析方法很难实现信号特征的有效提取,从而造成放射性材料的检测及识别难度较大,检测结果无法保证。本文以常见核素的γ能谱为研究对象,旨在优化其特征提取方法并解决放射性核素识别的问题。本文的研究内容主要包括以下几个方面:在了解γ能谱构建机理的基础之上,对γ能谱的特征提取方法进行创新,将稀疏分解思想引入γ能谱的特征提取中,改进传统的稀疏字典构建方法,基于三种不同的过完备原子库,将低分辨率能谱中难以寻找的特征峰位信息转换为能谱稀疏分解系数,提升了其区分度。针对核素γ能谱的特点,对模糊决策树的构建方法进行了改进,有效发挥了模糊决策树模型清晰、决策为软决策的优势,避免了依赖专家知识给出相应隶属度,讨论了单一核素及混合核素的识别情况,在低分辨率能谱的识别中有较好效果。本文在实验室常温（25℃）测量环境下,使用Kromek CdZnTe探测器和KSpect Spectrum软件对⁶⁰Co、¹³⁷Cs等多种放射性核辐射源进行测量,针对所得到的γ能谱研究了一种基于稀疏分解和模糊决策树算法的核素能谱特征提取及识别算法,测试准确率最高可达到96.39%,取得了较好的识别效果。