电子商务的发展对身份认证技术提出了更高的要求，传统利用密码进行身份认证的技术对于用户不友好，输入不自然，限制了其可用性。目前，基于生物测定学的生物身份认证技术越来越受到人们的重视，在线手写签名验证是其中有效的认证技术之一。 按提取签名特征的方式不同，可以将签名的特征分为全局特征和局部特征，全局特征由于其易模仿性而只是作为辅助验证特征，局部特征作为主要验证特征。本文回顾了签名验证的基本过程和针对这两种特征而使用的不同签名验证方法。 近几年，在语音识别中取得成功的隐马尔可夫模型被引入在线手写签名验证的研究。该模型很好的刻画了随机信号，有很好的理论基础和应用成果，因此受到人们的重视。但是利用隐马尔可夫模型进行签名验证的研究还很不深入，对于如何提取和选择有效的局部特征来反映一个人签名的本质，如何选择一个很好的描述手写签名的隐马尔可夫模型都没有进行很深入的研究。 本文从这两方面入手进行探讨，给出了一个基于隐马尔可夫模型的在线手写签名验证原型系统的设计、实现和性能评价。通过对原型系统的性能评价，本文得出以下结论： (1)隐马尔可夫模型的内部状态数对分类性能有显著的影响，随着内部状态数的增加，错误的接收率和相等的错误率减小，但错误的拒绝率提高。当内部状态数增加到一定程度，由于样本签名较少而参数过多，隐马尔可夫模型的训练无法正常进行。 (2)局部特征之间具有一定的相关性，在设计隐马尔可夫模型的结构时必须考虑到这一点。隐马尔可夫模型的发射概率分布函数描述了局部特征的分布，设计时必须加入描述局部特征相关性的参数。 (3)局部特征组合对分类器的性能有很大影响。实验表明，包含位置、速度和方向的局部特征组合的验证性能优于其他特征组合。 在考虑以上影响因素之后，使用本原型系统对收集的13个人的真实和伪造签名进行性能评价，其相等的错误率为13.5％。原型系统的性能虽然没有达到实用的水平，但是其性能通过对系统的改进可进一步提高。