准确快速的鉴别个人身份、保证信息安全是当今信息化时代亟待解决的一个关键问题。随着计算机技术的进步和发展,基于生物特征的身份识别技术已成为一种重要的个人身份鉴别技术。作为生物特征识别技术的一个方向,手写签名认证也得到了广泛的关注和研究。与其它生物特征身份认证相比,在线手写签名认证具有一系列独特的优势：不需要复杂的采样设备,伪造模仿困难、易于为用户接受和使用方便等,是一种比较理想的个人身份认证方法。本文依托FTable手写平台采集的签名数据,着眼于函数法在线签名认证的研究,对其中的若干关键问题进行了分析、讨论,对支持向量数据描述方法在签名认证中的应用做了较为深入系统的研究。现将本文开展的主要研究工作总结如下：提出了一种基于离散小波变换对签名原始数据序列进行压缩的方案,该方法简单、可靠,既对数据进行了压缩,减小了计算量,同时也消除了噪声干扰,提高了数据的质量和可靠性。分析了在线签名认证签名样本分布的特点,提出了将SVDD算法和模板匹配相结合的签名认证模型,该方法以训练样本与模板的三维书写力的DTW匹配距离作为SVDD的输入特征向量,经过训练在高维空间构建一个包含所有正样本的紧致超球体,超球的半径即为判决阈值,较好地解决了在签名认证中由于目标样本少且没有非目标样本,判决阈值难以确定的困难,具有较大的实用价值。根据签名字形的特点,对标准DTW算法进行了改进,提出了加权DTW匹配算法。讨论了签名模板的选择问题,在标准SVDD算法的基础上提出了动态规整核函数支持向量数据描述(SVDD-DTWK)方法并用于在线签名认证,该方法以超球球心为目标样本聚类中心,以超球半径为判决阈值。聚类中心和阈值完全由模型通过对样本数据的学习自行确定,避免了人为选择而可能给认证系统带来的不稳定性。结合签名认证系统的实际情况,提出了SVDD-DTWK对新增目标样本的选择方法,并给出了有非目标样本时的SVDD-DTWK算法。实验结果表明SVDD-DTWK用于在线签名认证还是比较理想的,同时也说明目标样本的增加和更新以及非目标样本的加入能较好改善认证系统的性能。给出了三大类共17种F_Tablet手写平台能够直接或间接获取的签名特性曲线,提出了基于核函数的特征评价方法,探讨和研究了生物特征融合技术在函数法签名认证中的应用,提出了一个SVDD多分类器特征融合模型。实验结果证明了本算法的有效性。