随着社会的进步与发展,由疲劳引发的各种问题层出不穷,严重影响了人们正常的学习、工作和生活。其中尤以疲劳驾驶和亚健康的危害性巨大,已经成为威胁人类生命安全的“杀手”之一。因此,科学、合理、客观地对疲劳驾驶和亚健康进行检测并为相关部门提供干预依据具有非常重要的现实意义。生理信号中蕴含了丰富的与人体生理活动、精神状态以及疾病诊断密切相关的信息。因此,可以通过分析生理信号来实现疲劳驾驶和亚健康的检测。人体的生理信号分析是信号处理技术的典型应用之一,它能够客观、有效地提取生理信号的内在特征与本质信息。本文在现有研究的基础上,从生理信号的角度出发,采用现代信号处理技术对疲劳驾驶和亚健康状态的检测进行研究,采集了12名受试者模拟驾驶的脑电信号以及30名受试者的脉搏信号分析探索能够反映疲劳驾驶与亚健康状态的有效特征。本文的主要工作如下：首先,分别采用希尔伯特-黄变换和小波变换对待分析的脑电信号和脉搏信号进行消噪处理,以此提高分析结果的准确性。通过对比消噪前后信号的波形图,发现希尔伯特-黄变换和小波变换可以有效的去除脑电信号和脉搏信号中夹杂的噪声干扰信号,从而为进一步的信号分析奠定基础。其次,分别使用相对功率谱、Wigner-Ville分布以及功率谱信息熵对驾驶员在不同驾驶时刻的脑电信号进行分析,发现不同驾驶时刻脑电信号各节律的相对功率谱和功率谱的信息熵值存在明显的差异,并且脑电信号的Wigner-Ville分布的时频谱在不同驾驶时刻下均不相同,从而表明相对功率潜、Wigner-Ville分布以及功率谱信息熵可用于疲劳驾驶的检测。最后,使用匹配追踪算法和Gabor变换分别对健康受试人和亚健康受试人的脉搏信号进行特征提取,并对其进行了分析与比较,再将选取的特征作为输入向量通过K-近邻分类器对健康和亚健康状态进行分类识别,取得了良好的分类效果,从而表明匹配追踪算法和Gabor变换可用于人体亚健康状态的检测。综上所述,相对功率谱、Wigner-Ville分布以及功率谱信息熵均可用于疲劳驾驶时脑电信号的特征分析,并能有效的对驾驶员的疲劳状态进行判定。匹配追踪算法和Gabor变换可用于提取人体亚健康状态的脉搏信号的特征,并能取得良好的分类效果,可作为亚健康检测的参考指标。由此可见,现代信号处理方法可以有效地提取表征疲劳驾驶与亚健康状态的特征,从而为疲劳驾驶的检测和亚健康的诊断开辟一条新的有效途径。