随着生活节奏的加快、社会竞争的加剧，许多特殊行业由于工作压力过大而导致睡眠缺失，甚至是失眠，进而导致：觉醒程度降低，执行能力降低；注意力降低，工作效率下降；应急反应能力降低，对危险信号的觉察判断能力下降，事故发生率提高。因而实时检测睡眠缺失过程中的警觉度变化规律，进而动态调整工作任务和工作负荷，减小事故发生率，变得尤为重要。例如宇航员长期在太空活动，昼夜节律改变引起的生理节律失调，太空失重隔离幽闭环境引起的时间感缺失，超负荷工作强度引起的压力过大，都会导致睡眠缺失和失眠现象。因而通过宇航员睡眠缺失情况判断警觉度状态，进而动态调整其任务强度，可以保证任务顺利完成。本文在以往研究的基础上，设计36h睡眠剥夺实验，记录受试者睡眠缺失过程中的自发脑电、诱发脑电、主观向量表评测、按键反应等信号，并利用主观向量表、人工分期和睡眠剥夺时长进行信号标注；分析自发脑电中时域、频域、非线性特征，诱发脑电中CNV、P300、MMN特征及行为学特征，观测其在睡眠缺失下的变化规律，探索其生理意义；利用不同模式分类算法对脑电数据进行模式分类，实现警觉度自动分阶，并引入不同的特征降维方法，降低数据冗余度，提高运算速度。本文得到的结论主要有：在无工作负荷的前提下，睡眠缺失前12h，警觉度状态基本保持不变；睡眠缺失12h-24h，脑力资源不足，导致警觉度状态急剧下降，且枕部变化更为明显；睡眠剥夺24-36h，脑力资源影响与生物钟效应相互抵消，受试者警觉度状态保持基本稳定，处于第二平台期；随着睡眠剥夺时间的增加，个体间差异性逐渐增大；BP算法分类正确率为95.67%，易受局部最优解的影响，SVM算法分类正确率为99.17%，效果更佳；FDR导联优化可在保证分类正确率的前提下，降低特征维数，PCA特征优化特征维数降低幅度更大，但分类正确率不高。