现如今，生物特征识别已经被广泛的应用，在日常生活中，我们可以在比如门禁系统，支票对账，等场合的应用。与传统的身份识别技术比较，比如单纯的射频识别系统，生物信号特征身份识别技术在安全性和易用性方面都有所提高。由于生物特征是在人体身上，所以可以被带到任何人们去的地方，并且随时可以使用，生物特征很难被复制；因此探索新的基于生物特征信号的身份识别分类技术具有重要的意义。　　在本课题中，心电图和手写签名被用作身份识别的生物特征。并且在这两种生物特征上，我们提出了新的生物特征识别分类方法，也就是 Aho-Corasick直方图算法(ACH)和改进的邻近Aho-Corasick直方图算法(ACAH)，它们是基于统计和状态转换方法的新的时间序列生物信号特征提取算法。　　原来的Aho-Corasick算法是用于精确字符串匹配的算法，而在 Aho-Corasick直方图算法可以用于非精准匹配。本算法在更加细节的层次计算不同信号的相似度，提高了时间序列生物信号的差别度。并且在提出的改进的邻近 Aho-Corasick直方图算法使分类识别算法更具鲁棒性，邻近 Aho-Corasick直方图算法减少了信号由于缩放和移位造成的影响。　　在以上两个特征提取算法的基础上，我们结合了支持向量机（SVM）和神经网络，使新算法的应用能扩展到更多的场合。