随着现代生活节奏的逐步加快,由于困倦引发的安全问题已越来越多。在困倦的状态下,大脑会出现警戒性降低、反应迟钝、易出错等问题,这会影响我们的正常生活,甚至会给我们的生命财产安全造成很大的危害。目前,在困倦检测的研究中,脑电信号是最常用的生理指标之一,因为脑电信号的某些特征会随着人体困倦而发生变化。国内外研究人员针对脑电信号的分析方法进行了深入研究,得到了相关的研究结果,为脑电信号的困倦检测研究奠定了基础。本文将MIT的Sleep EDF数据库的20名健康受试者的脑电数据作为困倦检测分析的研究对象,根据困倦前后脑电信号的变化特点,进行脑电信号的困倦检测方法研究,对脑电信号进行了特征提取和分类识别,提出了一种有效的困倦检测方法,以改进和开发用于困倦检测的新技术。本文的主要内容包括以下三个方面:1、用于困倦检测的传统频带脑电信号的功率谱分析。依据睡眠专家对Sleep EDF数据库的脑电数据的标记,对原始脑电信号使用haar小波包分解,提取5个传统频带的脑电信号(δ、θ、α、β和γ),提出了 3个基于功率谱的的新指标,分析了不同指标进行困倦检测所需要的CPU时间,通过与现有的4个指标的对比,结果显示本文提出的3个新指标在清醒-睡眠转折时刻前后具有更加显著的差异,且新提出的方法具有更快的运算速度。2、用于困倦检测的传统频带脑电信号的方差特征分析。对原始脑电信号进行haar小波包分解,并使用分解后的小波包系数集重构5个传统频带的脑电信号,然后计算了 5个传统频带的脑电信号在每个周期中的方差,分析了 5个传统频带的脑电信号的方差在清醒-睡眠转折时刻前后的差异,根据分析结果,基于传统频带脑电信号的方差特征提出了 3个用于困倦检测的新指标。本文所提出的3个新指标的困倦检测效果优于传统频带,准确率最高可达95.65%。同时,在警觉性检测方面,本文所提出的3个新指标也同样具有较好的检测结果。3、提出基于支持向量机的改进遗传算法,用于计算困倦检测的最优频带。首先使用支持向量机对受试者的困倦状态进行识别,然后使用改进的遗传算法计算分类准确率最高的频带,最后使用留一法交叉验证评估分类器的分类性能。结果表明,5个传统频带中,γ频带的分类准确率最高,为80.94%,而新提出的频带Rhythm(Ⅲ)(44.042969-47.753906 Hz)的分类准确率为89.46%。新频带的分类效果比传统频带更好。