随着现代生活节奏的加快，睡眠不足、睡眠不良，甚至彻夜失眠的情况时有发生。人们在追求高效生活和工作的同时，也受到疲劳和睡意的危害。在高危操作环境下，像驾驶、钢铁领域以及核工业等，如果操作人员在工作时有睡意，那人们的生命财产安全都会受到威胁。而在一些病患的状态监测方面，比如阻塞性睡眠呼吸暂停综合征，实时的睡意监测也是十分必要的。心电和脉搏信号蕴含丰富的人体生理信息，测量也较为简便。研究过程中设计了睡意检测实验并且同步采集了30例健康无睡眠问题的实验对象在清醒和睡意状态下的心电信号、脉搏信号和脑电信号。本文首先对筛选出的26例实验对象的心电和脉搏同步信号进行预处理，再通过特征提取与分析，选择在清醒和睡意状态下有显著性差异的特征用于分类。与清醒状态相比，在睡意状态下心电T波峰值、重搏波高度和脉搏波传输时间均非常显著地降低(p<0.005)，脉搏波起点到主波峰点的时间非常显著地增大(p<0.005)，心率值和心率变异性中的VLF值显著地降低(p<0.05)。使用线性判别分析和支持向量机两种方法对这些特征分别进行单一特征和组合特征的分类。本文除了提取到心电和脉搏信号在时域和频域上的20多种特征，计算了心电信号的小波能谱熵，还对睡眠剥夺的实验对象连续时间段内的心电RR间期最值和脉搏波特征K值进行了分析。研究结果表明：睡意对心电和脉搏信号的一些特征有影响；心电T波峰值、重搏波高度、脉搏波传输时间、脉搏波起点到主波峰点的时间、心率以及心率变异性中的VLF在清醒和睡意两种状态下有显著性差异；特征组合有利于提高分类正确率；心电T波峰值的单一特征及其参与的组合特征的分类正确率高于其他。心电和脉搏特征能够用于区分清醒和睡意状态，而且心电和脉搏信号的测量方便，为睡意检测提供一种新的识别方法。