疲劳驾驶是导致交通事故的主要原因。监测驾驶员状态,及时进行疲劳提醒,可有效减少交通事故的发生。已有研究表明生理信号能直接反映驾驶员状态,但由于驾驶环境中信号采集易受外界环境噪声和驾驶动作干扰,导致基于生理信号的驾驶员状态预测准确率不高。因此,开展动态生理信号质量评估,对提高驾驶员状态判断准确率具有重要意义。本文针对驾驶员状态监测的动态生理信号质量评估开展研究,论文的主要研究工作包括:（1）搭建了心电-脑电信号同步采集的模拟驾驶平台,通过模拟驾驶实验同步采集了5名志愿者共10小时的信号,设计标注方法实现对采集信号可用度标注;进一步结合疲劳状态调查问卷和脑电的疲劳状态判据,实现了心电信号对应驾驶员状态的标注;（2）针对驾驶员穿戴式心电应用场景,设计了资源受限节点的多阈值心电信号质量评估方案;（3）为了提高多导联心电信号质量评估准确率,提出了多分类器融合的心电信号质量评估算法;（4）通过压缩感知对心电信号质量以及驾驶员疲劳预测准确度的影响分析,提出了用于生理信号数据压缩的冗余高斯字典,并给出了在数据压缩下提升驾驶员疲劳状态预测准确率的信号质量评估方案。论文取得的进展包括:（1）基于风险最小化原则,综合疲劳状态调查问卷和脑电指标,完成了模拟驾驶实验中生理信号质量以及信号对应受试者状态标注;（2）设计了基于多阈值的心电信号质量评估算法,具有计算用时短、评估效率快等优点,对四段典型穿戴式动态心电信号的质量评估准确率达到99.12%,该方案在资源受限的实时动态心电监测中具有很好的信号质量评价效果;（3）在MIT-BIH公开数据集测试中,提出了基于多分类器融合的方法,有效的将动态心电信号质量评估的准确率提升到93.50%;（4）提出的冗余高斯字典,搭配稀疏二值测量矩阵,BPDN和SL0重构算法,分别有效提高心电和脉搏信号压缩感知重构效率,减少远程传输数据量,降低计算复杂度,节约资源消耗,在满足非失真诊断前提下,对心电和脉搏两类信号的最大压缩率都可以达到70%;（5）提出了驾驶员状态预测方案,实验结果表明,受测对象清醒/疲劳状态预测效果的平均准确率、特异性、灵敏度达到86.24%、84.63%、84.03%。本文的研究成果进一步丰富了动态生理信号质量评估方面的研究,从技术层面为动态生理信号采集、驾驶员状态长期连续监测、交通事故早期预防、智能预判提供了理论基础和技术支持。