在全球范围内,疲劳驾驶已经成为导致交通安全事故的重要原因之一。对疲劳驾驶进行有效监测有助于改善交通安全状况。驾驶疲劳的本质是驾驶员长时间连续驾驶而产生的心理和生理机能失调,可通过生理指标进行监测。在众多生理指标中,脑电信号作为中枢神经信号,是人脑机能的宏观反应,能客观有效反映驾驶员精神状态。因此,本文基于脑电信号进行可穿戴疲劳驾驶监测系统的研究。据调研,目前基于脑电信号的疲劳驾驶检测相关研究存在以下问题。（1）现有算法研究多是基于全脑区或多通道脑电,其繁琐的操作和复杂的分析不适用于长期动态可穿戴式疲劳驾驶监测系统。基于前额单导联脑电的驾驶疲劳识别算法缺乏,不足以支撑实际应用。（2）带有驾驶疲劳标签的稀疏导联脑电库近乎空白,对基于稀疏导联特别是前额单导联脑电的疲劳识别算法的深入研究造成极大不便。（3）疲劳识别算法中对于脑电特征的利用不充分,单一使用手工特征或深度特征,没有充分挖掘脑电信号内在的共性信息和疲劳状态时间上下文的信息。针对上述问题,本文的主要工作如下。（1）设计和实施了模拟驾驶实验,并以此创建带有驾驶疲劳标签的前额单导联脑电数据集,为后续算法研究奠定数据基础。（2）基于现有的疲劳识别算法进行优化,提出了基于手工特征和深度特征融合的驾驶疲劳识别算法框架。手工构造脑电的频域特征和熵特征,应用基于粒子群算法参数寻优的支持向量机在清醒疲劳的二分类实验中达到87.08%的准确率。提出门控循环单元结合欠完备自编码器深度特征提取方法,达到88.13%准确率。进一步将手工特征与深度特征融合,准确率提高到90.28%。对比相关文献算法,本文所提算法有效提升基于单导联脑电的疲劳识别算法准确率。（3）在算法研究基础上,设计了基于前额单导联脑电的可穿戴疲劳驾驶监测系统,包括脑电采集硬件系统和实时疲劳监测软件系统。本文所提算法将手工特征与深度特征融合,充分挖掘脑电信号的疲劳表征特性与上下文等多维度信息,是对基于前额单导联脑电的驾驶疲劳检测研究的一次有意义的探索;同时本文所形成的疲劳驾驶单导联脑电数据集、以及设计的基于脑电的可穿戴疲劳驾驶监测系统也为基于脑电的疲劳驾驶技术研究提供了一种新思路和实现手段。