在现代社会中,身份认证作为保护信息安全的一种方式,在国家安全、金融、司法、电子商务等应用领域都显得尤为重要。传统的身份认证方法(如钥匙、口令等)已不能满足社会的需要,基于生物特征的身份认证技术的发展为我们提供了一种更加方便和可靠的解决方案。签名作为一种行为特征,相比其它生物特征有着更易于获取和能够共享的优点,是身份认证中应用最为广泛的生物特征之一。本文提出了一种新的在线手写签名认证算法。该算法将参考签名和测试签名曲线中极值点的位置坐标分别提取出来,并且用离散Fréchet距离作为距离的测度分别对曲线中的峰值点与谷值点进行研究,最后进行匹配、判决。算法中提出了一种新的关于曲线相似性的定义,并且在这种定义的基础上建立了一种新的判断签名曲线相似性的数学模型,此模型中隐含了对签名曲线的平移和伸缩变换。本文首先介绍了签名数据的预处理方法,然后详细论述了基于离散Fréchet距离的签名认证算法,并讨论了算法内部处理不同个数的极值点采用的不同处理方法,而且分析了算法的时间复杂度。接着对签名的速度曲线的提取、预处理和匹配进行了详细分析。在整个签名认证系统中,将位置坐标作为第一级签名认证的参数,将速度作为第二级签名认证的参数。本文最后分析了基于离散Fréchet距离的签名验证算法的实验结果,给出了该算法中各个参数的恰当的取值,并通过对签名样本库中真实签名和伪造签名的实验分析,计算出了该方案的误纳率(FAR)和误拒率(FRR)。实验结果表明,这种基于离散Fréchet距的验证方法达到了较高的认证性能,具有很好的实用价值及应用前景。