基于生物特征的身份识别技术已成为信息安全领域中的一项关键技术，具有极高的学术研究价值和商业应用价值。但是单一的生物特征识别都存在着其自身局限性的问题，难以满足身份识别的高精度、高性能的要求。基于多种生物特征融合的身份识别是利用人的多个生理和行为特征的融合对身份进行识别的技术，可有效提高身份识别系统的性能。　　 本文以多生物特征的融合为研究方向，以提高身份识别的性能为研究目的，通过研究人脸、指纹、语音三种特征的识别方法以及多生物特征融合的手段，提出多种融合策略，并通过实验论证其有效性。主要包括四方面的内容：　　 首先，利用基于LBP的人脸识别、基于细节点的指纹识别和基于GMM的说话人识别作为单一特征识别的方法，并对各自的方法和特点进行了研究。　　 其次，以生物特征的融合为背景，对多模式信息的融合进行了研究，对在传感器层、特征层、匹配层和决策层的融合进行了分析和比较，对分类器输出信息的级别以及多分类器组合的问题进行了深入的研究。　　 再次，在本实验室采集的多生物特征库上进行了人脸、指纹、语音三种特征融合的实验。在决策层融合中，采用树形流程，利用分类器输出的排序级信息进行融合，在匹配得分层融合中，采用并行流程，利用分类器输出的数据级信息进行融合，两个实验均取得了高于单生物特征系统识别率约10％的结果。综合上面两个实验的优势，在得分层融合中，利用数据级信息的排序性，对得分值进行加权处理，进一步提高了识别率。　　 最后，在身份注册和识别两部分的框架基础上，设计并搭建了身份识别系统平台。