针对传统的外骨骼机器人步态检测算法中的信息单一化、准确率低、易陷入局部最优等问题，提出基于改进鲸鱼算法优化的支持向量机（IWOA-SVM）的外骨骼机器人步态检测算法，即在鲸鱼优化算法（WOA）中引入遗传算法（GA）的选择、交叉、变异操作，进而去优化支持向量机（SVM）的惩罚因子与核参数，再使用参数优化后的SVM建立分类模型，从而扩大算法的搜索范围，减小算法陷入局部最优的概率。首先，使用混合传感技术采集步态数据，即通过足底压力传感器和膝关节、髋关节角度传感器采集外骨骼机器人的运动数据，并作为步态检测系统的输入；然后，使用门限法对步态相位进行划分并标记标签；最后，将足底压力信号与髋关节、膝关节角度信号融合作为输入，使用IWOA-SVM算法完成对步态的检测。对6个标准测试函数进行仿真实验，并与GA、粒子群优化（PSO）算法、WOA进行比较，数值实验表明，改进鲸鱼优化算法（IWOA）的鲁棒性、寻优精度、收敛速度均优于其他优化算法。通过分析不同穿戴者的步态检测结果发现，准确率可达98.8%，验证了所提算法在新一代外骨骼机器人中的可行性和实用性，并与基于遗传优化算法的支持向量机（GA-SVM）、基于粒子群优化算法的支持向量机（PSO-SVM）、基于鲸鱼优化算法的支持向量机（WOA-SVM）算法进行比较，结果表明，该算法识别准确率分别提高了5.33%、2.70%、1.44%，能够对外骨骼机器人的步态进行有效检测，进而实现外骨骼机器人的精确控制及稳定行走。

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%。

提出了基于演化计算的在线手写签名验证算法。该算法将参考签名分割成曲线段，以一定长度的搜索窗在测试签名曲线上进行动态搜索，实现与参考签名曲线段自适应的动态分割与匹配。在算法中引进了演化计算中的分级和加速技术，使算法的搜索速度和匹配效果有了一定程度的提高。实验结果表明了该算法的有效性。