疲劳是由长时间的体力或脑力劳动所导致的一种身心疲惫状态,亦是降低工作绩效、诱发工伤事故的重要因素之一。在大部分高负荷工作任务与复杂工作环境条件下,人的疲劳是由脑力劳动和体力劳动共同导致的。因此研究体脑疲劳的交互影响并对其神经生理机制进行探索具有重要的科学意义与应用价值。本文主要基于脑电信号(EEG)来探索体疲劳对脑疲劳的影响,研究中分别设计了体脑疲劳诱发实验及脑疲劳对比诱发实验:体脑疲劳诱发方法为被试执行2-back任务同时以40%最大功率骑自行车,脑疲劳对比诱发方法为被试执行字符2-back记忆任务同时以0W功率骑自行车。实验共采集了10名健康被试的EEG数据,每名被试均进行了上述两次实验。数据处理中,首先提取了EEG的小波包能量、样本熵及LZC复杂度三个特征,通过统计学分析方法对三种特征进行了分析,并利用SVM对疲劳状态进行分类。其次,又进行了基于偏定向相干(PDC)的脑网络分析,利用图论的方法对两组实验脑电信号的连接性进行了分析。通过小波包能量分析,研究结果表明疲劳后β频段的能量下降,α频段能量上升;两组实验中的样本熵及LZC复杂度值在疲劳后均下降;疲劳后,网络的连接性增强,网络的集群系数增加。对比脑疲劳及体脑疲劳实验结果,发现初始状态两组实验的样本熵及复杂度值具有较好的一致性,经统计学检验无显著性差异;而在实验后,体脑疲劳实验的样本熵及复杂度值均低于脑疲劳实验,并且在中央区、顶区及颞叶具有显著性差异。脑疲劳及体脑疲劳实验后额区的入度均增加,并且体脑疲劳后额区入度的增加多于脑疲劳。额区入度增加表明疲劳后额区与其他区域的协同性增强。两组实验颞叶入度的变化表现出不同的趋势:脑疲劳后,颞叶的入度减少,而体脑疲劳后,颞叶的入度增加。上述结果揭示额区及颞叶的信息交流可能在疲劳及体脑疲劳交互影响方面起重要作用。本文的研究成果有望为复杂工作任务设定提供科学依据和理论指导,为疲劳监测、疲劳对抗提供科学方法和技术支撑。