随着网络技术、信息技术的进一步发展，也使信息安全问题受到前所未有的挑战，社会对可靠、便捷的身份鉴别技术的需求正与日俱增。基于生物特征的身份识别克服了传统认证方法的大量缺陷而得到越来越广泛的应用。在线手写签名鉴别是众多基于生物特征的身份识别方法中的一种，由于签名易于获取，且特征明显、稳定、可分性强等特点，以及签名自动验证系统具有友好、方便、应用范围广的优点，因此是一种很有发展潜力的身份识别方法。本文通过分析已有手写签名验证方法，研究并首次提出了一种基于小波包分析和支持向量机的在线手写签名鉴别方法。本文的主要内容有：针对在线手写签名难以提取有效特征的实际情况，提出用小波包分解和单支重构来构造能量特征向量的方法，直接利用各频段成分能量的变化来反映签名的动态特征，给出了衡量各特征鉴别能力的Fisher准则，并且基于该准则剔除了鉴别能力差的特征，优化了特征空间，简化了计算，提高了系统运行速度。用该方法构造的特征向量能突出反映签名的动态特征。最后采用支持向量机对签名进行鉴别。实验验证，采用本文的方法，识别率99.38﹪，错误拒绝率FRR=0.25﹪，错误接受率FAR=1.0﹪，性能是满意的。