身份认证问题是人们日常生活中必须面对的问题,例如到银行取钱需要通过6位数字密码进行身份验证,登陆社交软件需要账号密码的验证,这些都属于需要人们主动记忆的传统身份认证方式,容易被遗忘,安全级别也不高。在现在的日常生活中,除了传统身份认证方式无处不在之外,生物识别技术作为新的身份认证方式也被广泛应用,例如手机的指纹解锁,应用软件的“刷脸”登陆,保密门禁系统的虹膜识别等等。较传统身份认证方式相比,生物识别安全级别更高更复杂,同时又随身携带不需要记忆。然而随着科技的不断发展,各种伪装技术不断涌现,单一模态的生物识别已经无法保障身份的安全,而在这个几乎人人都需要电子商务的社会,身份认证问题又异常的重要,在这样的背景环境下,多模态生物识别技术应运而生。本文针对目前多模态生物识别技术融合模态少、融合后识别率低的现状,探索全新的融合方式,主要对多种模态的融合方案、经典模式识别算法的适配性、融合算法的优越性进行分析研究,提出了多种基于四元数的多模态生物识别系统。并且通过实验结果验证了所提算法较相关算法有更高的识别率。本文对四元数主成分分析算法和四元数线性判别分析算法进行了研究并应用到多模态生物识别当中,这两种算法均基于线性变换,将高维空间数据投影到低维空间。其中四元数主成分分析算法的核心思想为K-L变换,四元数线性判别分析算法则主要借用了Fisher准则函数。本文还提出了四元数核主成分分析算法和四元数核线性判别分析算法,在线性变换的基础上,引入核函数的概念,用于提取多模态生物非线性特征。最后,本文提出了四元数局部保持投影算法和四元数鉴别局部保持投影算法,这两种算法均基于流形学习,其中四元数局部保持投影算法基于拉普拉斯特征映射,是对拉普拉斯特征映射这一非线性特征提取方法的线性近似,四元数鉴别局部保持投影算法在前者的基础上结合了Fisher判别分析算法,引入了类内散度和类间散度的概念。同时本文在每个小章节的末尾列出了该章算法对应的多模态生物识别系统的仿真结果。实验结果表明本文提出的六种多模态融合算法和各单一模态、相同模态数量的串联及加权融合方案相比,识别率都是最高的。使用生物特征进行身份认证是科技的发展趋势,针对目前攻击手段主要以伪装攻击为主的情况,一个能够同时验证多种生物特征又能够保障高准确率的算法是具有非常大的前景和价值的。