为了减少驾驶疲劳带来的交通安全事故,人们通过大量的检测装置获得驾驶员的生心理信号去研究驾驶员的驾驶状态,并取得了较大的成果。但是这些生心理信号检测装置严重影响驾驶员的驾驶过程,从而阻碍了生心理研究成果在车辆预警系统中的应用。传感器技术和计算机技术日新月异的发展,使得驾驶行为信号检测具备准确、稳定、高效、非接触的特点。与此同时,也给车辆预警系统实现扫除了障碍。迫切的实际需求和技术快速发展,使通过分析驾驶行为信号研究驾驶员状态具备了广阔的应用前景。本文首先简单阐述了疲劳驾驶的形成原因和目前国内外学者的研究成果及趋势。结合国内外的研究现状和北京工业大学的驾驶模拟舱设计实验方案,并完成实验获得驾驶行为信号。本文首先完成了驾驶行为数据的预处理,其次是驾驶行为向量的量化,最后对驾驶状态进行识别。驾驶行为数据预处理包括：小波滤波去干扰；高斯归一化分析驾驶行为数据：FFT变换和PCA算法将偏离中心线距离信号和方向盘转角信号进行有效的数据融合；驾驶行为向量特征归一化,消除各个分量数量级差异对距离测度的影响。应用LBG算法和层次聚类算法对驾驶行为向量进行矢量量化,对两算法的量化结果进行了对比分析。驾驶状态判定包括：用Baum-Welch算法建立驾驶员正常驾驶的隐马尔可夫模型,用前后算法对驾驶状态进行分析。并在隐马尔可夫模型的思想上,保留驾驶行为向量序列,引入信息熵对驾驶状态进行分析。