当今社会,随着社会竞争的日益激烈,社会节奏的不断加快,导致人们的生理及心理负担剧增,由此引起的精神疲劳也严重的危害了人们的身心健康。同时,随着现代工业自动化水平的提高,使得操作人员的脑力劳动的强度增大,从而由于操作人员的疲劳而导致的事故发生的比率也越来越高。另外,随着车辆驾驶的日趋频繁,由于精神疲劳引发的交通事故也极大的危害到了人们的生命安全。因此,精神疲劳的研究不仅仅是医学问题,同时也是社会问题,对精神疲劳的研究不仅有十分重要的理论意义,而且还有巨大的社会价值和经济价值。近年来,脑电信号分析技术发展迅速,已成为精神疲劳状态识别的最可靠指标。本文首先设计基于PSoC3的脑电信号采集与无线传输系统,并通过疲劳试验实现数据的采集。接着利用希尔伯特黄变换(HHT)方法对四导脑电信号(O1、O2、Fp2、Cz)的熵特征进行分析,提出基于脑电信号近似熵、经验模式分解(EMD)分解分量近似熵、Hilbert边际谱熵以及能量谱熵的特征向量组合。最后,利用核Fisher判别分析与线性支持向量机(SVM)相结合的方法进行精神疲劳特征分类,并对比讨论了该方法的有效性。