疲劳驾驶逐渐是交通事故发生的关键原因之一,若能够借用相关技术对疲劳驾驶的司机发出提醒,则可以极大程度地减少交通事故发生的概率。脑电信号是生理状态变化的关键指标之一,基于此,研究了一种基于脑电信号分析的行车人员的疲劳驾驶检测技术主要工作如下:（1）采用脑电信号熵重构和小波包分解技术作为基础算法,对脑电信号进行特征分析和特征提取,解决数据采集时状态不易区分、信号非线性等困难。选取了眨眼频率、功率谱密度以及精神集中情况作为变量综合分析驾驶员的疲劳情况量化方法。分析了功率谱密度对驾驶员状态区分作用,并且对驾驶员精神集中情况与疲劳检测之间的关联度情况进行了验证。（2）以深度神经网络算法与识别框架为基础研究了一种监测行车员生理状态的方法,来识别监测的脑电信号。提出了可结合B样条曲线的空间域卷积方式的直接分类识别功能脑。（3）为了解决脑电信号处理过程中存在各种干扰导致的信号不稳定问题,对固定模式和伪迹去噪的性能进行了分析。并且结合脑电波数据采集实验数据分析了图神经网络疲劳驾驶的抗扰动特性。对研究的方法通过仿真和对照实验,分析了实验数据,结果表明功能脑网络疲劳驾驶检测方法的各方面特征都比传统检测方法更优。疲劳驾驶检测方法在检测驾驶志愿者的生理疲劳状况中具有稳定性。对疲劳驾驶检测技术有一定的实际意义。