生物特征识别技术是一项利用人类特有的生理或行为特征来进行身份识别的技术，它提供了一种可靠、稳定性高的身份鉴别途径。频域分析工具和非线性鉴别方法是人们关注的两个生物特征识别分支。本文重点研究了傅立叶变换、离散余弦变换及Gabor变换的频域分析工具和生物特征的非线性鉴别分析方法，主要工作及贡献如下：　　 (1)对傅立叶变换、离散余弦变换及Gabor小波变换的理论及在生物识别中的应用进行深入分析。针对生物识别的小样本问题，研究了其极限情况即单个训练样本的识别问题。提出了基于Gabor小波和KPCA-RBF分类器(KPRC)的人脸和掌纹像素层融合的单样本鉴别分析方法，实验证明，无论是像素级还是决策级融合方法，Gabor变换和KPRC分类器都能有效地改善融合的效果。　　 (2)在分析离散余弦变换(DCT)的同时，研究了离散余弦变换的性质，并将基于DCT的鉴别分析由线性方法推广到非线性方法，设计了基于DCT的核鉴别分析(DCT-KDA)算法，该算法不仅提高了识别效果，而且识别速度更快。　　 (3)针对传统的傅立叶变换鉴别分析算法，提出了一种新的特征提取算法即基于傅立叶变换的核复鉴别分析，同时还提出了一种核复鉴别能力判据并用于傅立叶频段的选择。该方法直接在复数域中进行，未进行傅立叶反变换，即节省了运算时间，也减少了因反变换带来的重构误差。