在未来可能的深度核裁军核查中，需通过核查认证来确认履约情况。铀部件是核武器重要的组成部件之一，也就成了核查的重要对象之一。本文围绕主动法诱发铀部件特征信号的处理分析方法开展工作，即：从分析铀元素的物理性质开始，引入主动诱发铀部件裂变的物理过程，并对裂变的物理过程进行分析，从而找出主动诱发铀部件裂变过程中影响裂变现象的部件的质量、丰度相关因素，并提取出反映铀部件质量、丰度属性的裂变信号特征量，以此来反演铀部件的质量、丰度属性。具体是通过主动诱发法对铀部件进行探测，采用宏观噪声分析及数字信号处理方法对探测信号进行处理分析，利用特征提取方法：小波变换、导数法和比较法来提取主动诱发铀部件裂变信号的特征量。在上述研究的基础上，结合人工智能技术在模式识别中的优势，以神经网络为模式识别手段，将使用上述方法提取的被测铀部件信号特征量输入到本文设计并训练成熟的神经网络中，对被测铀部件的属性信息进行计算，以此完成诱发铀部件的质量、丰度属性的判别。研究结果表明，本研究的特征信号处理方法，提取的特征信号量能够反映铀部件质量、丰度属性信息。