脑电波信号是一种能够反映大脑活动的生物电现象。在过去的研究中,由医疗设备采集的多电极脑电波已被证明可以作为生物特征模态用于个人身份识别。然而,设备昂贵以及数据采集操作复杂等因素,影响了这项技术在个人身份识别方面的实用化。本文针对便携式设备采集的脑电波信号在身份识别中的应用进行了深入的研究,评估了脑电信号作为独立的模态进行个人身份识别和作为防伪、防入侵的手段提高现有生物特征识别系统安全性的实际价值。本文的主要工作包括：1.提出了基于贝叶斯模型的单电极脑电波信号的自动去噪方法,实验结果表明该算法在去除肌电、眼动等噪声信号的同时,最大限度的保留了脑电波信号的特征；2.选择Burg AR模型参数和Burg功率谱密度作为脑电波的特征,在包含40人的数据库上实现身份识别,正确率中值达到96.9%。实验结果证明了便携式设备采集的单电极脑电波信号可以作为独立的生物特征模态应用于个体身份的识别；3.提出了基于假设检验的方法来确定饮食、生物钟等因素对脑电波信号的影响,同时通过实验证明,在个人身份识别的应用中,脑电波信号会受到其它因素(如饮食和生物钟等)的一些影响,可以通过训练样本的多样化,来获得较高的识别率；4.实现了脑电信号和指纹的多模态身份识别的原型系统,对脑电信号能否与现有的生物特征互补,提供附加的识别信息,从而提高现有生物特征识别系统的精度和系统的安全性进行了评估。实验结果表明,融合脑电波和指纹的个人身份识别系统的性能比单独模态下有提高。