现代社会，因为计算机和网络的广泛应用，准确快速的身份认证成为一种迫切的需要。身份认证方法可分为三类：基于知识的方法，如口令、密码等；基于信物的方法，如IC卡、身份证等；生物特征识别方法。其中，生物特征识别利用人与生俱来的生理特征如指纹、虹膜、视网膜、DNA等，或长期生活形成的行为特征如笔迹、签名、声纹、步态等识别人的身份，被认为是最自然、最值得信任的一种身份认证方法。在所有的生物特征识别方法中，签名认证具有特别重要的意义，因为在长期的社会生活中，人们已经接受了签名作为标识身份和表明自己意愿的一种方式。在线手写签名因为采集了书写过程的动态信息，包含了丰富的个人特性，难以模仿，能有效标识签名者的身份，是签名认证的主要研究方向。在线签名认证研究迄今为止已有四十余年历史，期间大批科研人员投入到这一领域的研究，取得了丰硕的成果。但是，签名认证技术还很不完善，可靠性和精度还不能令人满意。本文对动态手写签名的认证方法和应用进行了深入的研究，主要内容包括：1)设计、实现了基于WINTAB标准的签名信息获取模块，建立了一个中文签名数据库。目前市场上很多数字式定点设备都支持Wintab接口标准，因此本文的签名获取模块可以方便地移植到其他的应用中。2)提出了基于串匹配的签名曲线特殊点对齐与自由伪造签名快速排除方法。本文首先提取签名曲线的特殊点(包括签名曲线的极值点、笔划起始点、终止点)，根据几何特征将特殊点分为十六类，用十六个字母分别标记。然后用串匹配的方法对齐两个签名的特殊点，从而达到签名对齐的目的。根据签名模仿者的努力程度不同，假签名可分为三类：高超伪造签名、简单伪造签名和自由伪造签名，它们与真签名的相似程度逐次降低。本文根据特殊点类型字符串匹配的距离快速排除自由伪造签名，通过这一步的签名则留待更精细的比较和认证。3)提出一种DTW与特殊点匹配相结合的改进的时间弯曲算法。DTW算法是签名认证的一种常用算法，但是当时间序列在幅度上存在较大差异的时候，DTW算法经常会产生一对多的匹配，这是应当尽量避免的。本文提出的解决方法是，将签名用特殊点分段，然后用DTW方法对特殊点进行对齐，最后在对齐的签名段之间根据弧长重采样进行点对点的对齐。4)提出了一阶线性预测隐马尔可夫模型。隐马尔可夫模型假设时间上相邻的观察信号相互独立，因而忽略了观察信号的变化趋势。本文针对签名信号变化缓慢的特点，在模型中加入一个概率模型描述观察信号的一阶线性预测误差，从而在一定程度上预测了观察信号的变化趋势。5)将HMM／ANN混合模型用于签名认证，并对模型进行了改进。HMM与ANN相结合，可以取长补短，发挥HMM和ANN各自的优点。本文首次将这种混合模型用于签名认证，并对模型进行了改进。用于时间序列描述的HMM有很多采用左右结构，HMM的状态之间的转移矩阵有很多元素等于零。因此用传统的神经网络预测状态转移概率时，有太多冗余连接。本文用一个神经网络组描述状态转移概率，每一个神经网络对应一个状态，从而删除了这些冗余连接，简化了模型结构，使模型的训练更加迅速。6)设计了一种可撤消的手写签名，将手写签名变形后用于认证签名者的身份。应用生物特征识别身份有很大的风险：一旦生物特征识别系统发生泄密，所有使用同一种生物特征的系统都将处于危险之中，而且没有办法为用户更换一个新的生物特征。因此，可撤消的生物特征在近两年被提出并逐渐受到学术界的重视。本文利用正弦函数对签名的坐标序列进行调制，然后将调制后的信号用于身份认证。原始的签名信息被隐藏，除了签名者本人以外无人知晓，因此降低了签名被模仿的可能性。同时，调制签名序列的正弦函数的参数可调，在不同的系统中用户可以为自己指定不同的参数，因此同一个用户可以拥有多个不同的手写签名。最后，对一个攻击者来说，要成功地欺骗系统，一要提供一个模仿得很逼真的假签名，二要提供变形用的正确的参数，这将是非常困难的事，所以系统更加可靠。