生物特征识别系统,如指纹、虹膜、人脸、语音识别等,已经在很多领域投入应用。与设置密码等早期的方法比较,它能提供更为有效和可靠的身份认证。但是这些系统需要用户操作,仅能在如开机或解锁等特定阶段进行一次身份认证,不能持续认证,而步态特征能够在用户步行时自动提取,从而可实现对用户的持续身份认证,大大提高了便携式电子设备的安全性。为了方便采集步态加速度信号,本人设计了一套数据采集装置,该装置使用MEMS三轴加速度计,利用高速的铁电存储芯片和大容量的NAND Flash存储芯片构成两级存储体系结构,采用两个微控制器并行控制加速度数据的采集与存储,具有体积小、重量轻、信号采集方便等优点。实验中,借助该装置采集建立了一个包含24名志愿者步行时的后腰部的加速度数据和22名志愿者的脚踝部加速度数据的步态加速度数据库,分别用于研究基于腰部和脚踝部加速度信号的步态身份认证方法。基于腰部的身份认证方法中,采用基于高斯小波的连续小波变换过零点算法抽取垂直方向的加速度信号特征,并依次构造了特征七元组表征原始加速度信号。采用动态时间规整算法对特征序列进行匹配并计算失真距离,建立多级判别模型进行身份认证。该方法的身份认证相等误差率为5.0%。为了简化算法,本文提出特征点法用于基于脚踝部的身份认证,该方法使用了垂直方向和前后方向的加速度信号,采用小波变换过零点的算法,提取这两个方向的信号的极值点作为步态加速度信号的特征点。采用动态时间规整算法对特征点序列进行匹配并计算失真距离,建立多级判别模型进行身份认证。该方法的身份认证相等误差率达到3.27%。加速度特征点与步行时脚跟着地、全脚掌着地、蹬腿发力等动作相关。由于个体在身高、体重、步行习惯等方面存在差异,不同个体在这些时刻下肢用力情况具有明显而稳定的差别。本文提出的特征提取方法,抓住了个体步态特征的本质。采用动态时间规整算法对步态特征序列进行非线性匹配,消除了步行速度非线性变化造成的影响。实验表明,这两种身份认证方法的相等误差率均优于现有文献中所提出的方法。