疲劳是人体的一个复杂的生理状态,主要表现为身心疲惫,注意力和工作效率下降。现今社会有很多场合要求精神饱满,如驾驶员疲劳驾驶、高空作业、飞行员高空工作、外科医生手术等,否则容易出现重大事故造成严重后果,所以对人体进行疲劳检测是必须的。　　 本文首先对国内外人体疲劳检测研究的相关文献进行了查阅综合与调研,学习和研究了脑电信号和心电信号的形成机理和生理特点；在此基础上,提出了基于心电和脑电数据融合的人体精神疲劳检测方法。将小波软硬阈值折中消噪法应用于心电和脑电进行消噪预处理；重点分析和研究了希尔伯特黄变换(HHT)和基于衡量时间序列复杂度的近似熵方法在脑电疲劳特征量提取中的应用,同时利用样本熵方法研究了心率变异性信号的非线性特性并对心率变异性信号进行了线性特性分析；引入基于统计学习理论的支持向量机(SVM)方法对所得特征量进行分类识别,最后进行了人体主观认证,验证了本文提出方法的有效性。用Matlab对所采用的方法进行了程序编写和调试,结果表明希尔伯特黄变换(HHT)结合近似熵方法能从脑电信号中有效获取疲劳特征信息；从心率变异性信号中能以另一侧面有效提取人体疲劳特征信息；用支持向量机分析脑电信号和心电信号的特征参数并进行特征融合,能够较好地将疲劳状态与其它人体状态区分,并且结合心电和脑电的疲劳特征可以更有效的对人体疲劳状态进行检测。