随着高速铁路在人们出行交通方式中所占据比例的逐年上涨,高铁的安全问题也愈发的引发关注。针对高铁的安全技术研究已成为一个研究热点,在此背景下,本文将脑电信号和警觉度相结合,从高铁驾驶员的角度出发,通过对脑电信号的分类来对高铁驾驶员的警觉度进行检测。并且提出了简易可行的预警策略。本文的主要研究内容如下:首先根据国际标准选择了合适的点位,本文采用Ag-CL干电极和Open-BCI开发板制作了便携式的八通道脑电信号采集装置,并设计实验采集了不同状态下的驾驶员脑电信号。其次对采集到的脑电信号进行预处理操作,提高信号质量。采用线性滤波器初步过滤,随后通过FastICA算法进行盲源分离,降低不同通道信号之间的相关性,接着对分离出的信号进行小波阈值去噪,得到可靠的高铁驾驶员脑电信号。并将处理过的脑电信号整理制作成神经网络训练时所需的训练集和测试集。然后本文分别搭建了卷积神经网络和长短时记忆网络(LSTM)对训练集进行训练,并通过各类评价指标验证了网络性能。本文还通过Attention机制确定不同位置的脑电信号与驾驶员警觉度的相关性。最后,本文对比了传统分类算法SVM、PRCA和本文所提出的深度学习方法在脑电信号分类上的性能并进行预警模块的设计,通过实验验证了本文提出的预警策略的可行性。