近年来，随着交通运输业的发展，交通事故已成为当前各国所面临的严重问题。其中，疲劳驾驶是导致交通事故的一个重要因素。因此，对于驾驶疲劳检测方法的研究已经成为一个重要课题。首先本文引入视听觉刺激任务，通过设计模拟驾驶实验的8个阶段来研究基于生物电信号的驾驶疲劳检测。实验过程中，19位被试者被要求进行将近2个小时左右的模拟疲劳驾驶，同时采集被试者的脑电信号和心电信号。在每个阶段结束之后，被试者要作困睡度量表和NASA-TLX量表作为信号分析结果有效性的参考。然后本文从以下四个方面对疲劳驾驶的生物电信号进行了研究：1）针对脑电信号采集过程中的眨眼伪迹，本文研究并提出了一种基于相关性分析和功率空间分布特征来自动识别和去除眨眼伪迹的算法。该算法不需要预先设定模板或阈值，此外独立成分与观测信号的相关性能够直接从独立成分分析的混合矩阵中得到，这简化了运算，也为在线去除伪迹奠定了基础。实验结果表明该算法识别准确率高，相对于传统的人工识别有较大改进。2）研究了脑电信号各频段的功率谱与驾驶疲劳之间的对应关系。通过对驾驶前后两个阶段的19位被试者的生理指标作统计显著性检验，实验研究表明脑电频谱指标可以有效的对驾驶的疲劳和清醒状态进行检测。3）研究了在疲劳驾驶中基于相位同步的脑电变化特征。采用平均相位相干性(mean phase coherence，MPC)作为相位同步的衡量指标，从空间-频段的角度来分析疲劳的相位同步特征。研究的主要发现是delta和alpha频段的相位同步在额叶和顶叶显著性增强。统计分析结果表明MPC能够显著区分不同的精神状态，如警觉和疲劳。此外，delta频段在单个电极对（如Pz-Fz）的相位同步在驾驶前后变化显著，这有助于未来便携式检测设备的开发。4）在心电数据分析方面，对心率变异率（Heart rate variability，HRV）的时域和频域指标进行了研究与探讨。具体为利用差分阈值法对心电信号进行R波检测得到RR间期序列，然后研究HRV的各项时、频域指标。发现随着疲劳程度的加深，部分时、频域指标发生了较为明显的变化趋势。实验结果为利用心电信号检测驾驶疲劳提供了另一辅助重要参考。最后，在前期信号分析的基础上，探讨了脑电特征和心电特征的融合。研究了数据融合的方式和基于支持向量机的分类方法，最终实现脑电与心电信号在特征层融合的清醒疲劳分类。实验结果表明，脑电和心电特征融合能够有效地提高单种信号分类的识别率。