无线局域网由于其开放的信道环境和传统的密钥身份验证机制, 安全问题十分严峻。通过射频指纹识别技术, 提取无线设备硬件特征进行身份验证, 能够大大提高无线网络安全性。本文基于通用软件无线电外设(USRP)和GNU Radio开源平台, 提取IEEE 802.11a/g信号载波频偏作为指纹, 结合神经网络分类器进行识别。首先接收信号并提取每帧信号载波频偏, 然后训练神经网络分类器, 最后利用此分类器对无线设备进行识别。在办公室和体育馆2种典型室内环境进行无线设备个体识别实验, 识别率均大于90%。实验结果说明, 基于软件无线电提取信号载波频偏可以识别出不同的无线设备, 检测出非法设备接入, 能够提高无线网络安全性。

指纹携带有人类的特殊信息,是最重要的个体特征之一。快速、清晰的指纹识别和提取对于刑事侦探、公共安全等领域具有重要的意义。金属纳米颗粒在暗场下对光具有强烈的散射作用,本文利用这一散射特性来研究指纹成像。在暗场成像条件下,当指纹和金属纳米颗粒相结合,金属纳米颗粒的散射性能呈现出指纹细节特征。这一特性为指纹的提取提供一种新方法,该方法可实现快速、简单的指纹信息提取,避免了化学方法对指纹细节信息的破坏。

提出了一种小型非接触式三维指纹获取系统.该系统采用单个CCD相机作为图像传感器, 利用相机镜头结合双棱镜的成像装置在单帧CCD图像上获得立体图像对, 再基于立体视觉原理重建三维指纹.整个系统封装后尺寸为12 mm×12 mm×10 mm.基于该系统进行了指纹获取实验, 测量的均方根误差为0.022 mm.该系统操作简单且结构紧凑, 为三维指纹的获取提供了一种小型化方案.

基于扫描探针显微镜的近场超空间分辨指纹光谱技术在分子识别及组分鉴别方面具有极大的应用前景.扫描探针显微技术与不同的光谱联合使用,发展出了不同的具有纳米级分辨的指纹光谱技术,其中包括针尖增强拉曼散射光谱技术、纳米级分辨率的傅里叶变换红外光谱技术及散射式的扫描近场太赫兹光谱技术.这三种散射式的扫描近场光学显微技术在实现方式上有所不同,在近场指纹识别方面可以相互补充.该综述主要对三种近场超空间分辨指纹光谱技术的特点进行了深入地分析和比较,并且对这三种技术的研究现状及应用进行了总结.

荧光成像技术是无损检测潜在指印的重要技术手段。针对纸张类检材表面遗留潜在指印，采用紫外激光器作为激发光源，检材热处理技术与荧光成像技术相结合。实验控制检材热处理温度与时间，增强遗留指印物质成分受激发射荧光强度，减弱或消除背景荧光干扰，提高指印纹线与背景的亮度反差。利用荧光成像技术，实现了常用书写纸表面遗留的潜在新鲜混合指印、汗迹指印及陈旧性指印的显现与提取，为热处理技术与荧光成像技术无损显现纸张潜指印的应用提供了实验依据。

指纹识别技术是通过计算机来实现身份识别的一种手段,在生物识别技术中占有非常重要的地位。为了提高指纹识别系统的准确度和实时性,搭建了以光学器件傅里叶透镜和空间光调制为主的联合变换相关识别全息光学系统,记录相关图像的频谱,通过比较指纹图像的像素强度,从而实现实时指纹识别的目的。

校正梯形畸变，同时采集到清晰的图像是光学式指纹识别系统的重要指标。采用面光源全反射采集方式，棱镜的材料选用廉价的k9玻璃。用三片球面镜片作为成像系统，其中两片小透镜可通过光学设计软件CODEV设计成同一片镜片，得到的光学调制传递函数全视场大于0.5，无梯形畸变，且光照均匀。相比于市场上其他无梯形畸变的产品，该方案体积较小，成本较低，且容易装配，适合生产的需要。

利用人体指纹具有的唯一性,指纹识别系统越来越多地用于各种机密系统,同时,随着嵌入式指纹识别系统的快速发展,其正倾向于变得更小巧、轻便。因此,研制体积小、识别率高的指纹识别系统已经成为了嵌入式指纹识别领域的趋势。通过分解光焦度的设计方法、采用双高斯的对称光学成像结构、利用Scheimpflug条件设计指纹识别系统,其体积是在市面上现有产品体积的基础上减小了50%,且可以嵌入到考勤机,保险柜,二代身份证等等系统当中。在缩小体积的同时也提高了指纹识别系统的识别率。由于这种指纹识别系统体积小、识别率高、易加工等各种优点,很有普及价值。

潜在指印的显现是物证检验技术中的关键问题之一，而紫外(UV)照相技术是显现潜在指印等隐性痕迹物证的重要技术手段。采用266 nm紫外固体激光器为激发光源，利用人体指印固有物质成分对紫外光具有特殊的吸收、反射、散射及荧光特性，减弱或消除指印背景上的图案和其他细节干扰，增加指印纹线与背景的亮度反差，显出或增强潜在指印。通过紫外反射照相及紫外固有荧光照相技术，分别实现了对彩色杂志纸张、玻璃、电话背面、木纹桌面油漆面4种非渗透性物证检材及牛皮纸信封、便签纸2种渗透性物证检材表面遗留的新鲜及陈旧潜在指印的无损检测显现，并具有鉴定价值。

结合小波变换(WT)、二维主元分析(2DPCA)和椭球基函数(EBF)特点,提出了一种基于WT、2DPCA和EBF神经网络指纹识别方法。利用小波变换将原始图像分解为高频分量和低频分量,并忽略水平高频与垂直高频分量,获得原始图像的基本特征。再通过2DPCA算法对该图像进行降维,获取降维特征;最后结合椭球基函数神经网络(EBFNN)完成指纹识别。本算法将2DPCA优化的特征提取与EBFNN的自适应性相结合,在FVC2000(国际指纹竞赛数据库)上做了测试,总的正确识别率可达91.4%,具有一定的实用价值。与WT-PNN算法和WT-2DPCA-RBF算法进行比较,结果表明,本文提出的算法在平移、旋转及光照变化的指纹数据库上的识别效果优于WT-PNN算法和WT-2DPCA-RBF算法。