精神疲劳是由于长时间的脑力劳动或体力劳动、精神压力而逐渐积累形成的，其主要表现有睡眠质量变差，记忆力下降，执行能力降低，对工作产生厌倦感等。精神疲劳是一种常见的生理现象，是人体的一种保护性反应，但若长时间和反复性的出现精神疲劳，就会严重影响人们的健康，甚至会引发相关的安全事故，因此为了使这类悲剧不再发生，预防或缓解疲劳的问题迫在眉睫。然而，目前尚缺少有效检测精神疲劳状态的便携式、可穿戴式精神疲劳检测系统。本文针对这一问题展开了对基于无线脑-机接口的精神疲劳检测系统的研究。研究内容主要包括以下几个方面：　　1)精神疲劳脑电(EEG)特征提取方法的研究以及有效特征的选取。采用基于能量谱分析的算法提取了6种不同的EEG信号特征。通过对三种精神疲劳状态下的这6种特征分别进行三分类和三种二分类实验，比较了它们作为精神疲劳特征的有效性。实验结果表明了无论是在三分类实验还是二分类实验中，以(θ+α)/β作为特征能够获得最高分类正确率。　　2)精神疲劳分类方法的研究。引入了半监督分类算法用于精神疲劳的分类识别，半监督学习方法只需采用少量标记的EEG信号训练初始分类器，并利用大量未标记的EEG信号更新分类器，从而缩短受试者的训练时间，提高分类器性能和泛化能力。本文在传统的自训练算法基础上提出了改进的自训练算法，通过增加分类器和筛选步骤来选择未标记样本，扩大训练集。并将改进的自训练算法与传统的自训练算法，以及Fisher判别分析(FDA)这种监督算法用于精神疲劳分类的效果进行了比较。分类结果表明改进的自训练算法比传统的自训练算法的分类效果显著提高，与 FDA相比，虽然分类正确率没有显著提高，但是极大地减少了使用的有标记样本数量。　　3)基于无线脑-机接口技术的精神疲劳检测系统的设计。本文设计的检测系统是由无线EEG信号采集前端和精神疲劳在线检测软件组成。无线EEG信号采集前端能够有效地实现多通道EEG信号的实时采集和无线传输；精神疲劳在线检测软件能够有效地实现对实时采集的EEG信号的预处理，信号的存储及波形展示，特征的提取及波形展示，精神疲劳的在线评估及结果的展示等功能。与现有的检测系统相比，本系统具有低功耗、低噪声、良好的便携性和实时性等优点，符合当前智能设备的发展趋势。　　4)精神疲劳在线检测系统实验研究。在前面的算法研究以及精神疲劳检测系统研究的基础上，设计并实施了精神疲劳在线检测实验。本文分别对2名受试者进行了连续5天的精神疲劳在线检测实验。该系统仅需1分钟就能给出精神疲劳检测结果，并且实验结果显示系统对两种精神疲劳状态进行在线检测的准确率可达85%，证明了本文设计的精神疲劳检测系统达到了预期的设计目标，能够实现受试者当前精神疲劳状态的在线检测。