疲劳是人类机体复杂的生理心理变化过程,属于人体机能自然的自我保护机制,可以分为两种:生理疲劳和心理疲劳,分别指体力或脑力到达一定阶段时出现的正常生理现象。人体疲劳的加深会引起运动能力和工作效率降低、差错事故增多,甚至使人体出现器质性疾病。显然,了解人体疲劳程度对不同人群的身体健康、安全生产、安全工作(例如安全操作、安全驾驶)等方面的影响具有十分重要的作用。疲劳度检测可以通过测量生理指标进行,但此类方法依赖仪器且不能实时进行。通过语音分析实现疲劳度检测具有操作简单、可以实时进行等优点。近几年,虽然已有基于语音分析疲劳度检测的初步研究,但是针对心理疲劳,特别是心理疲劳与生理疲劳相结合的语音疲劳度检测研究还相当少。本文研究了基于语音分析针对生理疲劳(本文针对运动疲劳)和心理疲劳(本文针对学习疲劳)程度检测的方法。主要内容包括:1.构建了运动和非运动疲劳语料库。采用主观疲劳量表对连续疲劳进行疲劳度等级划分;运用人体生理参数与疲劳度之间的联系,对语料库的疲劳度分类进行了标注。2.研究了适用于语音疲劳度检测研究的特征参数。首先根据人体疲劳对发音器官和语音表达的影响,选择了疲劳度相关的语音特征参数;然后通过对语音特征参数随疲劳度变化趋势的分析,选择了有效特征参数;最后根据不同特征参数组合下疲劳程度的识别效果,获得了识别不同等级疲劳的最优特征参数组合。3.设计了基于语音分析的同性别下单一疲劳度检测方法。本文对作为声音样本的语音信号进行特征提取后,分别用传统机器学习方法SVM和集成方法AdaBoost构造分类器,进行同性别下单一疲劳度的训练识别,同时比较了传统机器学习方法和集成方法的优劣性。4.设计并优化了基于语音分析的跨性别间单一疲劳度检测和同性别下疲劳度检测方法。由于男女生语音特质、生理心理承受能力的差异,目前大多数语音疲劳度检测研究都集中在同性别下单一疲劳度的研究上。本文首先利用SVM分别进行了不同性别间和不同性质疲劳间的疲劳程度识别,并首次利用迁移学习TrAdaBoost算法进行了跨性别间单一疲劳度检测和同性别间疲劳度检测的优化。基于本文方法进行了疲劳度检测实验,并与生理参数方法进行了比较,实验表明,本文提出的方法可有效进行疲劳度的检测。同时本文对连续疲劳的研究是通过简化疲劳度等级来进行的,如何对连续疲劳进行有效准确分析检测有待于深入研究。