随着网络技术、信息技术的进一步发展,社会对可靠、便捷的身份鉴别技术的需求正与日俱增.基于生物统计特征的身份鉴别技术正得到越来越广泛的应用.其中联机手写签名鉴别技术因其独有的优点而在某些领域有广阔的应用前景,如商业、金融、电子商务等.该文提出了一种基于隐马尔可夫模型的联机签名鉴别方法.该方法用X方向和Y方向上的坐标的时间函数来描述一个签名.通过一个高斯滤波器平滑以后,这两个一维曲线被按照波峰——波谷点分段,每两个峰——谷点间的一段曲线作为一段.从每一个分段中提取了一个四维的特征向量来描述它,然后利用矢量量化技术将这个四维的连续特征向量量化成一个离散符号.最终,X方向和Y方向的坐标曲线分别用一个离散符号序列来表示.我们为每个签名的X方向和Y方向位移曲线分别建立一个隐马尔可夫模型,模型的状态数由签名的长度决定,采用了手动分段初始化方法来对模型参数进行初始化.针对模型参数训练不充分的问题,采用了一种同现(Co-occurence)平滑方法.我们采用Viterbi算法来估计观察序列的输出概率.判别阈值是一个依赖于签名者的参数加上一个共同的偏移量.最终实验表明,该方法取得了较为满意的结果:在采用有训练的伪造样本(SkilledForgery)的情况下,等误率为2.75﹪;在采用随机伪造样本(RandomForgery)的情况下,误拒率为0.25﹪,误识率为0.12﹪.