随着生活节奏的加快,睡眠不足变得越来越普遍,这使得许多驾驶员在疲劳状态下驾驶,而因此引发的交通事故也越来越多,目前的疲劳监测装置普遍利用生理信号监测驾驶员疲劳状态,这种装置的造价成本较高,且部分装置需要与驾驶员有直接接触而引起驾驶员的不适,而通过利用非生理信号监测可以很好的克服这种缺陷,因此,研究一种基于非生理信号的疲劳监测装置也就有着很重要的实用意义和商用价值。本文首先分析了国内外疲劳驾驶监测方法的研究现状,在此基础上提出了基于非生理信号的疲劳监测装置的设计方案。硬件设计中采用了US-Digital公司生产的MA3编码器进行方向盘转动角度的测量,然后利用TI公司的eZ430-RF2500开发工具采集方向盘转角信号并传送给计算机。软件方面利用LabWindows/CVI接收传送给计算机的数据然后将数据交由Matlab软件处理;对几种方向盘转角信号处理方法进行分析后,利用了多元线性回归方法和神经网络方法分别建立模型。在建立的回归模型中,利用最小二乘法对模型中的参数进行了估计。该模型中自变量为方向盘转角相关变量,因变量为对采集到的ECG信号进行处理后得到的疲劳监测指标。为了选择与疲劳监测指标联系紧密的方向盘转角相关变量,采用逐步回归算法对模型中的变量进行了选择。在人工神经网络模型中,采用了前馈结构的三层神经网络,输入层为方向盘转角相关变量,输出层为对ECG信号进行处理后得到的疲劳监测指标,并利用倒传递算法对模型进行训练。本文最后对建立完毕的回归模型和神经网络模型进行了适用性分析和检验,对回归模型适用性的分析表明该模型的建立没有违背建立模型时所作的假设,可以可靠使用;对神经网络模型的几个问题的研究结果显示该神经网络模型的建立较合理。最后对两种算法进行了比较和分析。