随着网上阅卷系统中阅卷人身份认证问题越来越受到关注，基于生物特征识别技术的签名认证技术以其非侵犯性、不易遗忘、应用范围广等优点在网上阅卷系统中具有广阔的应用前景。本文对签名信息进行去噪、方向归一化等预处理，去除原始采集数据中的干扰或无用信息，将采集的数据变成适宜于特征提取的形式。提取签名特征并利用BP神经网络实现真伪签名的认证。在特征提取方面，首先从签名速度、签名时间和签名形状三个方面着手提取特征构成统计特征向量；其次对签名水平位移和垂直位移分别进行DB6小波分解，提取高频系数构成小波特征向量。利用真伪签名样本反复实验对比，表明15维的统计特征向量和64维的小波特征向量对同一签名者而言具有稳定性，对不同人具有可区分性，在一定程度上能够表征签名者的身份。使用改进的BP网络作为签名认证的分类器，真伪签名样本共同参与网络训练，保存网络训练成功的各层神经元之间的连接权值。设计了网络结构，选择了样本训练方式和改进了标准BP算法。依据统计特征和小波特征，结合试凑经验公式确定了隐含层神经元的个数；针对单样本训练和批量训练两种方式进行实验对比，确定样本训练为批量训练方式；通过实验对比确定了网络输出层神经元的期望输出值；引入动量因子和变步长法，解决了标准BP网络训练时网络陷入局部最小和收敛较慢的问题。最后，利用真实签名样本和伪造签名样本，分别对统计特征的BP网络单级认证、小波特征的BP网络单级认证、统计特征和小波特征融合的两级认证进行对比实验分析。对于真实签名样本，三种认证方式的误拒率(FRR)分别为8.0％，6.0％，6.0％；对于第一类随机伪造签名样本，三种认证方式的误纳率(FAR)均为0％；对于第二类随机伪造签名样本，三种认证方式的FAR分别为4.4％，2.4％，0.4％；对于熟练伪造签名样本，三种认证方式的FAR分别为19.2％，15.6％，2％。实验结果表明，统计特征和小波特征融合的两级认证方式获得了较低的FAR，两级认证方式的性能要优于单级认证。