由于现代智慧生活的需要，传统的生物识别技术不能很好地满足人类对于舒适性、便捷性的要求。在此情况下，脚步识别技术应运而生。它不需要人的主动配合，也不会引起人的注意，非常适合各种各样的智能建筑。
　　在脚步识别中，最为重要的是特征参数的选取。本文提出了七个新颖的脚步特征，并将其应用于人员身份识别，在多种条件下测试了识别性能。
　　首先通过对比分析脚步与常见噪声的时频域差异，研究了一种主导频率提取方法。基于主导频率，开发了七个新颖的脚步特征，分别是最重要频率的最大值、乘积均值，加权频率的均值、标准差，频率峰值的上、中、下四分位数。并且对比分析了这七个特征在脚步与噪声中的表现。
　　接着设置了数据采集实验，在相同环境中采集了脚步与噪声数据。并且使用SVM分类器进行了脚步与噪声的二分类实验，取得了平均99.65％的识别率，初步说明使用这些特征能够从噪声中有效拾取脚步。同时对于个别分类错误的情况进行了分析，找出了可能存在的原因。
　　然后是人员分类实验。首先对比分析了这七个特征在不同测试者中的表现，然后同样使用SVM分类器，进行了脚步的多分类实验。实验取得了91％以上的分类率，初步说明这些特征具有一定的人员辨识力。同时也对错误分类的样本进行了分析，找出可能存在的原因。
　　接着进行了多种条件下的分类测试，包括使用不同的分类器、与其他研究进行对比、设定不同的信噪比环境、扩大脚步数据集。实验证明本文提出的新颖脚步特征识别方案对常见分类器都有一定适用性，表现最好的是SVM，QDA次之;对比其他几项研究，本文方案取得了最高的人员识别率;在不同信噪比条件下，本文方案的鲁棒性最好，识别率依然最高;扩大数据集后，依然取得了91％以上的识别率，说明这些特征能够真实表征人员特性，且具有一定的普适性。
　　最后是对本文的总结，并归纳了一些需要改进的地方。