伴随着全球范围内汽车行业的发展迅速,汽车逐渐成为人们日常生活中的必需品。家用汽车的普及给人们的工作和生活带来了极大的便捷与享受,但也激增了道路交通事故发生率。据不完全统计,世界范围内每年因驾驶疲劳导致的交通事故占交通事故总量的53%以上,并呈逐年上升趋势。可见,对驾驶员行驶过程中的疲劳状态进行有效的监测对于减少或避免交通事故的发生具有重要的现实意义。已有研究表明,基于生理电信号分析是实现人体疲劳状态监测最客观有效的途径。为此,本文通过开展室内模拟驾驶实验同步获取驾驶员行驶过程中脑电、肌电及心电信息,基于动态特征提取方法分别获取三类生理信号的多层次时域及频域特征,通过多源特征融合及模式识别实现疲劳状态的有效辨识,进而实现从精神和行为层面对驾驶员疲劳状态的有效监测和评估。研究为基于生理电信号分析的驾驶疲劳检测提供了新的研究思路和分析途径。本文主要工作包括:(1)搭建模拟驾驶平台并开展模拟驾驶实验,同步获取模拟驾驶过程中不同疲劳状态下的驾驶员脑电、肌电和心电三种生理信号,同时对驾驶员进行驾驶疲劳主观问卷调查分析。(2)对实验获取的脑电信号进行预处理,分析疲劳产生过程中不同频段脑电信号的变化,确定脑电信号疲劳指标的计算方式,统计分析随驾驶时间增加脑电疲劳指标的变化趋势,并证明选取的脑电疲劳指标对疲劳反应的正确性。(3)同时对实验过程中的肌电信号和心电信号进行预处理,分析肌电信号的肌间一致性和平均瞬时频率以及心电信号的心率和心率变异性等七种时频指标,研究随着驾驶疲劳产生肌电及心电信号各项特征指标变化趋势。(4)进行多生理信号特征融合及降维处理,采用支持向量机分类器进行驾驶疲劳检测;同时为提高识别的准确性,提出基于深度信念网络的驾驶疲劳检测方法,采用深度信念网络模型对多生理信号进行特征融合以及疲劳状态检测,并对两种分类模型的疲劳检测效果做出对比分析。