基于生物特征的个人身份识别在生活中的应用越来越广泛。与指纹、人脸等常见的生物特征相比,脑电信号的抗伪造、抗胁迫性使其在个人身份识别应用的研究中具有重要现实意义。在基于脑电信号的个人身份识别中,特征提取是关键的一步。以往特征提取方法多基于脑电信号是平稳信号的假设,这一假设在实际中是不成立的,脑电信号是典型的非平稳、非线性信号。基于此,本文提出了基于小波及小波包变换的特征提取方法,在基于脑电信号的身份识别系统中获得了较高的识别率,且实现了特征提取的自适应性疲劳驾驶是交通事故的主要诱因之一,许多学者对驾驶员疲劳状态的检测展开了研究,根据检测方法的不同可分为基于驾驶行为、基于计算机视觉和基于生理信号三种疲劳检测方法,基于脑电信号的疲劳检测方法被认为准确度最高、最为客观,本文使用便携式脑电采集仪器采集个体处于清醒状态和疲劳状态的脑电信号,对单电极脑电信号在疲劳检测中的应用展开了研究,实现的基于马氏距离的疲劳检测方法证实了个体脑电信号在疲劳和清醒状态下对数功率谱发生的变化,基于脑电信号频谱区分性的疲劳检测方法能有效检测出疲劳状态,同时指出了针对个体进行疲劳检测的必要性。本文的内容分为两个部分：基于小波及小波包的特征提取和基于脑电信号的疲劳检测,主要工作描述如下：1.介绍常用脑电信号特征提取方法并分析其特点,指出在脑电信号特征提取中应用小波及小波包分析理论的必要性。结合脑电信号时域和频域信息,提出了基于小波变换系数均值和子带能量、基于小波包变换系数均值和子带能量和基于小波包最优基这三种特征提取方法,将这三种方法用于身份识别系统中,分析了各自的特点及不足；2.在基于小波包变换的特征提取方面,在包含先验频带的情况下对特征提取的频带范围及特征组合进行了研究,最终获得了较高的识别率,但这种方法对不同数据集的适应性较差。提出了一种基于小波包最优基的特征提取方法,使用LDB算法作为频带区分性测量,通过提取最优基子带能量和系数均值达到了较高识别率,且对不同数据集有良好的自适应性；3.设计了基于脑电信号的疲劳检测实验,提出疲劳程度的主观判定标准,在不去除噪声的情况下提出基于马氏距离的疲劳检测和基于频谱区分性的疲劳检测方法。基于马氏距离的疲劳检测方法,是一种无监督的检测方法,无需考虑由于饮食、生物钟等因素造成脑电信号发生变化对检测结果造成的影响；基于频谱区分性的疲劳检测方法使用Welch算法估计脑电信号功率谱,对个体在深度疲劳状态与清醒状态下脑电信号的对数功率谱之间的差异进行分析,指出针对个体进行分析的必要性,将疲劳检测转化为二分类问题。实验结果表明了两种方法的有效性。