探索月球为我们开发和利用月球资源，以及对人类社会的可持续发展有着非常重要的意义。为了探测月表主要放射性元素的分布状况，“嫦娥一号”运用伽玛射线能谱仪（CGRS）来探测其表面主要元素和微量元素的伽玛射线能谱，从探测的伽玛射线能量获得放射出该伽玛射线所对应的元素；从伽玛射线流量得到对应元素的丰度，最后得出全月元素分布图。CGRS获得的月表伽玛射线的数据量极其庞大，仅2C数据存档文件总量就有28.9G-byte。对此批量数据进行一系列的初步处理后，发现形成的能谱图中多有重叠峰现象，不利于特征峰的提取；而且计算机在处理批量数据时，会出现程序运行耗时太长，电脑内存占用太多，甚至出现无法运行的情况。这些都不利于我们快速有效的进行能谱数据的处理，为最后获得月球表面元素丰度的分布图增加了困难。准确的对重叠峰进行解析，获得各峰的相关参数信息，可以使得我们能够判断元素的信息，从而分析月表的组成，最后获得月表元素的含量与分布特征，进而了解月球，运用其资源；同时，由于绕月数据是探测器经过很长时间探测得到的，所以数据量会很庞大。在基于一个批量数据的处理上，需要在搭建数据处理软件平台后，对程序进行优化，否则会使得数据的整个处理变得举步维艰。所以在对嫦娥一号CGRS探测到的批量数据进行一系列分析处理的过程中，成功地进行重叠峰的拟合分解并同时进行程序的优化是非常重要的。本文围绕批量的伽玛能谱数据的重叠峰处理问题，结合LabVIEW软件技术，综合了国内外的重叠峰分解方法以及程序优化的情况，主要开展了以下两个方面的研究。1、在得到的谱线中，有些元素的能量峰值由于靠得太近会导致重叠峰的出现。针对这种现象，在分析国内外重叠峰处理方法的基础上，进行重叠峰的分解。采用高斯函数进行拟合，通过联合寻峰法进行寻峰。在运用小波法确定峰位时，加入高斯最小二乘迭代优化法进行联合寻峰，准确地确定峰位，极大地降低了峰位的相对误差，保证了峰位的准确度。在重叠峰分离度依次减小，以及加入噪声、不加入噪声的这几种不同的情况下，对小波寻峰法、二阶样条小波卷积法以及微分法寻峰的效果进行了对比，结果发现三种方法都有其各自的优点，其中小波寻峰法是最理想的方法，它可以较好的确定峰的个数和峰位，尤其是在含有噪声的情况下，它获得相对较好的结果，基本上不受谱线信号中噪声带来的影响。运用了二阶微分法来提高重叠峰的分辨率，并充分利用微分法对波形敏感的特点来确定半高宽值，并结合小波降噪法，对每一级的微分都进行小波降噪，保证了微分法的优势。结合L-M最小二乘法进行参数优化，分解拟合出相应的子峰。多种方法的结合，克服了传统的单一方法的缺陷，提高了重叠峰分解的精度。为了验证有效性和准确性，仿真模拟已知的单峰和重叠峰，在有噪声和无噪声的情况下，对它们进行参数估计后代入高斯函数进行拟合，并和仿真信号进行对比，通过三个参数（峰位、峰高、半高宽）估计值与实际值之间相对误差的大小对拟合效果进行评估。在拟合过程中得出，对于那些统计性比较好的放射性元素产生的特征伽玛能谱峰，用高斯函数作为拟合函数是可行的，且参数的估计值比较准确。处理时，对那些分离度较大的重叠峰来说，基本上测到的峰位就可以认为是子峰的峰位；对于分离度较小的重叠峰需要对峰位进行准确定位，尽量减小误差，因为峰位的准确度直接影响到整个重叠峰的拟合效果。此外，对分解双重叠峰时所涉及到的影响因素（分离度、峰高比、噪声等）进行了分析。最后实际对嫦娥探月谱线中能量值为662keV-1000keV的一段谱线（包含U、Fe、Th峰）进行了分解拟合，采用分段拟合的方法，完成了谱峰的参数估计，成功的提取了特征子峰。2、针对伽玛能谱数据的批量性特点，在对数据进行分析处理时，由于是批量数据的存储和提取，所以涉及到的数组会较大，采用到的程序也较为复杂；在谱图的处理中，频繁使用谱线图表会造成占用内存较多。以上这些都会导致程序运行的速度变慢，内存消耗过大。为了解决这样的问题，建立了分解重叠峰的软件平台，并从三个方面对程序进行了优化（提高程序运行速度、减少计算机内存消耗、程序规范化）。经过优化后，有效的提升了整个程序的性能，加快了对数据信息的提取及处理的速度，使程序拥有更高的运行效率和更小的出错率。在兼顾伽玛能谱数据结果准确性的同时，保证了处理批量数据的运算精度和执行速度，最终实现了对伽玛能谱批量数据的高效实时处理。