NaI（TI）伽玛能谱仪测量的全能谱数据能量分辨率不高，低能特征峰都重叠在一起，但又要求获得²³⁸U的子体²¹⁴Bi的609keV特征峰、²³²Th系字体²⁰⁸Ti的583keV的特征峰以及人工放射性核素¹³⁷Cs的662keV特征峰的信息。这就要求对能谱重叠峰的解析方法进行研究，能谱重叠峰的解析一直是能谱分析研究中的一个难以解决的问题。论文构造三高斯峰函数为基函数的径向基函数神经网络（RBFNN）来解析能谱重叠峰。在对获得的全能谱原始数据进行适当的预处理后，用带约束调节的三高斯峰函数拟合感兴趣的低能重叠峰，从而获得三高斯峰的九个参数，并用MATLAB编制程序绘制各分高斯峰的图形，检验参数并确定是最好的三高斯模型参数。形成训练RBFNN网络的样本，论文中用八段在相山获得的重叠峰数据以及它们所对应的三高斯峰函数参数共八维六十组数据作为训练样本训练网络。论文中构造了两种类型的RBFNN网络，并用测试样本对网络进行了测试，同时还给出了网络的误差逼近曲线图。经过训练好的RBFNN网络由于其具有结构学习的能力，使得该网络能够比较准确的解析能谱重叠。从论文中实验的结果来看，算法可以较精确地解析出能谱低能重叠峰的信息，文中用解析出的三高斯峰函数参数绘出各分高斯峰图并做了比较。得出结论是：用三高斯峰函数为基函数的径向基函数神经网络（RBFNN）来解析能谱重叠峰是非常合适和有效的。