一步提高准确性，可采用融合多个生物特征的方法，以提供特殊环境下的精确识别。
一般来说,融合可以在模式识别三个层次的任一个层次上进行， 即数据层融合、特征层融合和决策层融合。目前关于生物特征数据融合的研究主要集中在决策层上，不同的单个特征分别进行独立的处理，然后进行匹配，得到匹配分数，最后经过一定的融合算法综合得到结果。可采用的融合算法有许多种，如多数投票法、加法和乘法法则、K- NN分类器、SVM、贝叶斯决策、支持向量机、决策树等人工智能算法。
3 . 1 特征层的融合
特征层融合是输入数据经过前端处理后对每种生物特征分别得到其特征描述向量, 不同的特征向量集用不同的方法来构成新的高维特征向量, 用这个高维特征向量来代表多个生物特征的融合。特征层的融合比前两层的融合效率高。
3 . 2 匹配层的融合
匹配层的融合模块的输入是若干个生物认证系统的匹配模块输出的分数。匹配层的融合就是针对这几个输入来进行的。在三种融合方式中, 匹配层的融合是最常见的。这是因为匹配层的融合既具有相对比较小的实现难度,又融合了若干个特征各自的信息量。匹配层融合过程中重要方面之一是对不同系统得出的分数进行归一化。在进行归一化以后,不同系统得出的分数就被映射到一个 N维的空间,在这个空间里再对所有的点进行分类。
3 . 3 决策层的融合
不同的单个特征可以分别进行独立的处理，然后进行匹配得到匹配分数，最后通过决策融合的过程,将多个匹配结果经过一定的融合算法进行综合，得到最终的结果。在决策层进行融合相对来说比较简单，可利用的信息量也比较少。由于决策层的输入已经是单个生物认证的逻辑输出，因此决策层的融合可以分为两种形式：
(1) OR规则:在这种系统中, 如果用户被子系统 H1拒绝,子系统 H2将对用户再进行一次验证,如果通过则确定为真实用户。
(2) AND规则:在这种系统中用户只有同时被子系统 H1和子系统H 2接受,方能够被确认为真实用户。
在具体的应用中, 每种融合方式都有各自的优缺点。特征层融合虽然效率比较高, 但是不易集成实用的单生物认证系统。匹配层融合既实现了信息能算法的融合，实现起来又不是非常困难,且具有较好的应用价值。决策层虽然信息融合的程度比较小, 但是可以用于一些集成的系统当中。
目前关于生物特征数据融合的研究也主要集中在决策研究上,但仅进行决策阶段的研究是不够的,因为在处理过程中忽略了特征之间的关联所带来的作用和影响, 同时, 主要集中于融合算法的讨论, 而忽略了对生物特征的更多考虑, 因此尚需进行数据层和特征层的融合。
4 身份识别工作站的设计
4.1 RFID系统
4.1.1 RFID技术概述
RFI D射频识别是一种非接触式的自动识别技术,它通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预。与传统的条形码相比,具有非接触、 可擦写、 快速扫描、 穿透性好、 安全性高、 数据存储容量大, 以及防水、 防磁、 耐高温、使用寿命长、 读取距离大等优点,可适应现代高技术局部战争复杂的环境要求。最基本的 RFID系统由三部分组成：
标签:也被称为电子标签或智能标签,由耦合元件及芯片组成,每个芯片具有唯一的电子编码, 芯片中存储有能够识别目标的信息。
读写器: 由发送器、接收仪、控制模块和收发器组成。收发器和控制计算机或可编程逻辑控制器( PLC )连接,，读取(写入)标签信息,设计为手持式。
天线:在标签和读写器间无线传递射频信号。
4.1.2 RFID的工作频率及其应用
RFID系统的工作频率是其最重要的一项参数,无线电频率是一项公用资源,在使用过程中,如果不同的应用系统在时间、 空间和频率三方面出现重叠,则有可能发生相互干扰。系统间相互干扰的程度与无线电信号的重叠程度及信号的强度有关。因此,无线电应用的规则是各种应用系统必须遵循的基本原则。