随着智能化在人们社会生活中的普及,基于身份证、密码、口令等传统方式的身份识别技术因其易丢失、易伪造、不便捷等缺点,不再能满足人们的需求。基于人脸、指纹、虹膜等生物特征的身份识别技术因其安全性高、稳定性强、不会丢失和遗忘等优点成为当下身份识别领域的热点。虽然这些技术发展已经比较成熟,但也存在一定的缺陷,比如需要人与采集设备主动配合并近距离接触。与上述身份识别技术相比,基于脚步振动信号的身份识别技术具有较好的隐蔽性、不可躲避性、非接触性等优点。当人们正常行走时,因其身高、体重、性格等不同走路方式也会不同,进而产生的脚步振动信号也不同,通过安装在地面上的振动传感器采集人们正常行走时的脚步振动信号,对采集的脚步振动信号进行分析,提取可以区分行人身份的特征进而实现行人身份的识别。这种技术可以应用于智慧建筑、公共安防和健康监测等领域。本文提出了一种基于时频域特征的行人数量识别方法和基于左右脚振动信号差别的行人身份识别方法,具体工作如下:（1）通过对脚步振动信号产生和传播机理的分析,选择了一套能进行脚步振动信号采集的设备,并针对采集过程中存在的仪器与环境背景噪声,进行了滤波降噪处理。为了能够有效的检测到人们的脚步振动信号,本文针对脚步振动信号的特性设计了一套成本低、性能好、适用性高的采集设备,包括941B型传感器、COINV采集仪、笔记本电脑。噪声的存在会对脚步振动信号的分析、识别带来不利影响,所以在对脚步振动信号进行特征分析之前,需要对采集到的脚步振动信号进行滤波降噪处理,提高脚步振动信号的信噪比。本文对比了小波阈值降噪、EMD（Empirizal Mode Decomposition）降噪、EMD-小波阈值联合降噪三种降噪方法的降噪效果,结果显示使用EMD-小波阈值联合降噪方法降噪后的信号信噪比明显比其他两种方法更高,且保留了更多原始信号的信息。（2）通过对多人脚步振动信号的分析,提出了一种基于时频域特征的行人数量识别方法。多人同时行走会产生锁步心理,即行走时每个人步幅和步频会趋向一致,所以多人同时行走和单人行走时的脚步振动信号模式相似。为了从这种相似模式中识别出行人个数,不再提取单个脚步振动信号进行分析,而是对行人一次经过传感器,传感器设备所能采集到的时长为五秒的数据段从时域和频域进行分析。对这五秒的数据段总共提取了22个特征,通过随机森林算法对这22个特征进行了重要性排序,结合SVM（Support Vector Machine,SVM）选出最优子集。并对1-3个行人同时行走的300个样本数据进行分类识别实验,运用上述所提出的方法识别率达到100%。（3）通过对单人脚步振动信号的分析,提出了一种通过连续左右脚步振动信号速度时程曲线做差,以消除鞋型和地板类型影响的方法:以脚步振动信号速度时程曲线峰值点为中心,取峰值点前0.03s和后0.03s,总时长为0.06s的时程曲线（峰值曲线）,把相邻左右脚所取得的0.06s的时程曲线做差得到左右脚步振动时程差曲线,取连续7个左右脚步振动时程差曲线的平均值（简称平均值曲线）,以平均值曲线的9个特征参数作为人员身份识别的依据。为了证明上述方法的可行性,分别在四种振动环境下对10个行人进行了身份识别实验,每个实验都是对10个行人的100组样本数据进行识别,识别率最低为90%,最高为96%,以此证明了上述方法的可行性。