چکیده: خستگی یک پاسخ مهم و طبیعی به فعالیت های جسمی زیاد، تنش های روحی طولانی مدت و کمبود خواب است. خستگی همچنین یکی از علائم مهم اختلالات جسمی یا روانی است. بدون شک همه ی افراد پس از یک فعالیت ذهنی شدید و یا فکرکردن بیش از حد احساس خستگی را تجربه کرده اند. این احساس دقیقا مشابه خستگی ناشی از ورزش طولانی مدت است که در بدن انسان ایجاد می شود. به طورکلی مبحث خستگی به دو دسته کلی خستگی جسمی و ذهنی تقسیم بندی می شود. خستگی بر روی بسیاری از جنبه های زندگی فرد مؤثر است بطوریکه با تأثیر منفی بر توانایی فرد در اجرای فعالیت های روزمره، زندگی او را تحت الشعاع قرار می دهد. تحقیقات نشان داده است که در میان تکنیک های مختلف که برای ارزیابی خستگی، سیگنال های الکتروانسفالوگرام (EEG) با دقت بیشتر و بهتری عمل می کنند. هدف از این پایان نامه تحلیل و بررسی علائم خستگی ذهنی است که در سیگنال های مغزی افراد ظاهر می شوند. به منظور بررسی سیگنال ها ابتدا از یک فیلتر برای پیش پردازش داده ها استفاده شد و سپس برای استخراج ویژگی، روش تجزیه حالت تجربی(EMD) به منظور تجزیه سیگنال به مؤلفه های فرکانسی آن، به کار برده شد. این مؤلفه های فرکانسی توابع مود ذاتی (IMF) نامیده می شوند که از طریق اعمال EMD بر روی سیگنال های EEG به دست آمده و به عنوان بردار ورودی به طبقه بند داده می شوند. همچنین برای بهبود نتایج ترکیبی از دو تکنیک EMD و STFT به عنوان روش پیشنهادی ارائه گردید. به منظور طبقه بندی ویژگی های به دست آمده از دو طبقه بند شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شد. سپس از ویژگی های تبدیل فوریه زمان کوتاه، انرژی موجک در باندهای سیگنال EEG و ترکیب آنها به منظور مقایسه با روش پیشنهادی استفاده شد. نتایج حاصل از روش پیشنهادی با استفاده از دو طبقه بند FF-ANN و SVM به ترتیب برابر با 91.3 % و 90 % است و همچنین از سه پارامتر دقت، حساسیت و ویژگی برای ارزیابی نتایج استفاده شد.