脚步声身份识别技术利用人行走时产生的声音或振动信号实现对行走人的身份识别,具有隐蔽性、非接触式、不易被伪造等优点,是一种非常有潜力的生物特征识别技术。由于脚步声信号幅值小,容易受到环境噪声干扰,给脚步声信号降噪等预处理带来很大困难,并且脚步声身份识别存在数据匮乏、识别准确率低等问题。因此,开展低信噪比脚步声信号预处理和大量数据的脚步声身份识别研究具有重要意义。本文在总结国内外脚步声身份识别研究现状的基础上,以脚步声身份识别系统为研究对象,针对脚步声身份识别相关的脚步声信号采集、预处理、特征参数提取、模型建立等问题开展研究,主要研究工作如下:首先,利用动态信号采集分析系统采集脚步声信号,并对脚步声信号降噪、起始点检测等预处理方法开展研究。设计脚步声信号采集方案,利用动态信号采集分析系统在低噪声封闭室内环境下采集大量的脚步声信号,并对脚步声信号的时频域进行分析;使用滤波和谱减法相结合的方法对脚步声信号进行降噪处理,进一步根据脚步声压级信号和自适应阈值对自然行走状态下连续脚步声信号的起始点进行检测,将连续脚步声信号分割成仅由相邻两个脚步声组成的单元,并对每个脚步声单元进行Z-score标准化处理,完成脚步声信号采集和预处理工作。其次,利用标准化的脚步声单元提取脚步声特征参数,建立受测人员基于脚步声特征参数的高斯混合模型（GMM）。基于人耳听觉特性提取脚步声单元的声学特征梅尔频率倒谱系数（MFCC）、感知线性预测系数（PLP）及其一阶、二阶动态差分特征参数;利用特征参数训练集建立受测人员的高斯混合模型,使用K-means算法初始化模型参数,进一步利用期望最大化算法（EM）完成高斯混合模型参数估计;完善脚步声身份识别判决准则,利用高斯混合模型实现受测人员的识别。最后,利用闭集脚步声身份辨认系统研究脚步声特征参数的影响因素,进一步研究闭集脚步声身份辨认系统在不同训练数据和测试数据长度下的识别准确率以及脚步声身份确认系统的等错误率。以闭集脚步声身份辨认系统的识别准确率为判决依据,采用控制变量法研究MFCC、PLP及其动态差分特征参数的帧长、帧移与帧长的比值和维数对识别结果的影响;进一步研究闭集脚步声身份辨认系统在不同训练数据和测试数据长度下的识别准确率;结合步态识别研究成果,对特征参数进行优化,以减少特征参数提取、高斯混合模型训练和识别过程的时间;利用优化的特征参数对脚步声身份确认系统的等错误率进行探究。本文完成了低信噪比脚步声信号的降噪处理,提出了利用脚步声压级信号和自适应阈值进行起始点检测的方法;通过提取脚步声信号的特征参数建立高斯混合模型,实现了基于高斯混合模型的脚步声身份识别。研究表明,在数据充足的条件下,闭集脚步声身份辨认系统的识别准确率达到98.2%,脚步声身份确认系统的等错误率为7%。本文对丰富生物特征识别技术和多生物特征融合的发展有积极意义。