随着我国城市化和机动化水平的不断提高,道路交通安全问题日益严峻,而疲劳驾驶是交通事故发生的重要原因之一。所以有效地监控驾驶疲劳并及时的给予报警,对于降低交通事故的发生率和保护人民生命财产,都具有十分重要的意义。采用模拟驾驶进行疲劳驾驶仿真实验,通过测量脑电信号找到影响疲劳的典型因素,对疲劳驾驶产生机理的探索和疲劳预警方法的研究具有重要的作用。为了降低交通驾驶中疲劳因素造成的损害,提出一种基于小波分析和神经网络的脑电信号疲劳驾驶检测方法。针对传统频谱分析不适合瞬变信号的特点,本文采用一维离散小波分析脑电信号,得到各个小波频段。并在与脑电频率段δ(0.5-3.8Hz),θ(4-7.8Hz), α(8-13.8Hz),β(14-32Hz)相对应的频段中提取小波系数的统计量特征,作为信号特征输入神经网络,结合神经网络使用Levenberg-Marquardt反向传播算法对模拟驾驶清醒和疲劳两类状态进行识别分类。选择模拟驾驶的数据样本的一部分进行训练,并预测另一部分数据,结果表明该方法有较好的识别与分类效果,大脑皮层顶叶区脑电电位对清醒状态的识别效果比较好,大脑皮层额叶区域脑电电位对疲劳状态的识别效果比较好。