针对在线签名认证过程中出现的误匹配问题和曲线的缩放、旋转、位移以及采样不均匀导致的匹配距离过大的问题，提出一种基于曲线分段相似匹配的方法。在进行在线签名认证时，首先对两签名曲线进行分段粗匹配，主要应用了一种基于窗口累计差异矩阵的动态规划算法得到匹配关系。然后，对匹配对计算相似距离和加权累加和，主要方法是对曲线段进行拟合，在一定范围内进行相似变换，对其重采样并计算匹配对的欧氏距离。最后，取测试签名和所有模板签名的相似距离的平均值作为认证距离，将其与训练的阈值进行比较，从而判定真伪。在公开数据库SUSIG的Visual数据集和Blind数据集对该方法进行了测试，使用个性化阈值时分别可以得到3.56%和2.44%的等误率。所提方法在Blind数据集上的等误率比传统的动态时间规划（DTW）方法降低了约14.4%。实验结果表明，对熟练伪造签名和随机伪造签名的认证效果具有一定的优势。

采集用户在签名过程中的三轴加速度信息，可用来实现身份认证。中文签名结构较为复杂，在空中书写的过程难以被模仿，但同时也会使同一用户不同次签名间的差异增大，提高认证难度。传统的二维签名或三维手势认证方法并不能解决这一问题。为了提高中文空中签名身份认证效果，改进了全局序列对齐（GSA）算法，对匹配后的序列进行插值操作。不同于传统GSA算法通过最终匹配分数反映序列间相似度，引入两种距离指标（欧氏距离和绝对值距离）计算序列间的差异。实验结果表明，基于距离指标的两种GSA算法均能提高认证精度，与传统算法相比，二者的系统等误率（EER）分别降低了37.6%和52.6%。