本文针对在单模态生物特征身份识别时由于识别环境的改变或恶化,而引起的识别率迅速下降问题,提出了基于指纹和姓名语音的多模态生物特征融合身份识别的方法来提高身份识别率和适应较差识别环境。本文对特征信息进行了归一化研究,分析了基于匹配层的自适应加权融合识别算法、D-S证据理论融合识别算法和基于特征层的神经元网络理论的融合识别算法,并通过实验分析证明即使在较差环境下,基于指纹和姓名语音的多模态生物特征融合身份识别也能保持较高的准确率、可靠性和实时性。本文主要工作和创新如下:1、提出了一种基于MB-FECC的姓名语音的特征提取方法并实现了姓名语音的身份识别。首先将语音信号经Gammatone带通滤波器组滤波,并使用三角形窗口增强其输出;然后将分数阶傅立叶变换与合适的模糊函数或瞬时频率函数相结合得到相应的特征系数,进一步经过DCT处理和对数变换求得最终的特征系数,进行特征提取;最后采用了HTK处理实现了姓名语音身份识别。2、实现了指纹的特征提取和身份识别。首先对指纹图像进行Gabor滤波增强;然后采用稀疏算法方法和基于单一像素点的八邻域方法对指纹图像分别进行了两次细化;之后采用二维离散小波分解的方法提取了指纹的特征向量;最后以四种正交小波基对指纹图像进行二维离散分解,并采用无拒识率的K近邻识别方法分别实现了指纹的身份识别。3、提出了基于指纹和姓名语音的多模态生物特征融合身份识别的模型。首先讨论了指纹与姓名语音在匹配层和特征层的融合理论框架;然后分析了基于匹配层的自适应加权融合算法、D-S证据理论融合算法和基于特征层的神经元网络融合算法;最后通过分析上述三种融合方法的实验结果,证明了在较差环境下指纹和姓名语音的多模态生物特征融合身份识别要明显比单一的指纹身份识别或姓名语音身份识别更加准确,可靠。