眼电信号是众多生理信号中检测疲劳驾驶的一种有效手段。传统眼电信号在认知、疲劳驾驶检测领域被广泛应用,拥有比较成熟的信号处理和特征提取的理论和方法。但是传统眼电采集电极分别位于人眼四周,会影响被试的正常活动,不利于设备的穿戴化集成和实际生产生活中的使用。从前额采集眼电信号则能有效避免这一问题,但是目前对前额眼电信号的研究还处于起步阶段,缺乏直接的信号处理和特征提取的方法体系。本课题通过信号分离手段,从前额眼电中分离传统眼电信号成分,将前额眼电转化为传统眼电,充分利用传统眼电研究的方法,并利用采集的传统眼电信号对分离方法进行评估。以往的疲劳驾驶研究实验,面临最大问题是,疲劳标注的问题。疲劳标注,主要包括被试的自述,车辆轨迹,视频图像等的辅助判断。其中人工标注,方法简单,耗时耗力,由于其对设备环境要求比较低,所以被广泛使用。针对疲劳标注的问题,本课题采用了基于眼动仪眼镜采集视频计算PERCLOS的疲劳标注方法。相比于其它基于视频图像标注方法,眼动仪眼镜通过红外摄像头直接记录人眼的活动,除去了人眼定位等的额外工作,通过简单方法即可完成瞳孔定位和识别。基于前额眼电的疲劳驾驶系统,对前额分离方法进行了改进,同时引入了自动标注,使得长时间仿真驾驶实验下数据分析更为便捷。结合小波变换和波峰检测算法改进了特征提取方法,并在此基础上比较了多种回归模型的预测结果。