خواب آلودگی و تاثیرات منفی آن بر کارهای روزمره افراد خصوصا در بحث سوانح رانندگی از جمله موضوعات قابل تعمق در مطالعات اخیر می باشد. لذا تشخیص به هنگام خواب آلودگی توسط سیستم های real time که قابلیت نظارت بر سطح هوشیاری رانندگان را داشته باشد، ضروری به نظر می رسد. بنابراین در جهت ارزیابی درست و دقیق سطح هوشیاری افراد باید از مشخصه های حیاتی قابل اطمینانی استفاده گردد، که بتواند به درستی میان فرد هوشیار و خواب آلود تمایز قائل شود. از جمله این مشخصه های موثق می توان به سیگنال eeg افراد اشاره کرد. در این تحقیق ابتدا یک پروتکل مناسب جهت ثبت دادگان eeg در حالت رانندگی در محیط مجازی معرفی می گردد. این پروتکل ثبت شامل یک محیط رانندگی مجازی مبتنی بر یک بازی ساده رانندگی می باشد. بعد از ثبت، پیش پردازش و برچسب زنی دادگان و استخراج چندین ویژگی زمانی و پارامتری و ویژگی های مبتنی بر تبدیل موجک و ویژگی های غیر خطی شامل ابعاد فرکتال از سیگنال ها، صحت ها با سه نوع شبکه عصبی بررسی شد، که شبکه های تغذیه پیشرو بهترین نتایج را ارائه دادند. سپس با استفاده از روش موسوم به انتخاب ویژگی متوالی پیشرو کاهش بعد صورت گرفت. که در نهایت به انتخاب بهترین ترکیبات از کانال ها و همچنین بهترین نواحی مغزی جهت تشخیص خواب آلودگی با استفاده از طبقه بندی کننده شبکه عصبی انجامید. با شبکه-های تغذیه پیشرو ترکیب کانال های ناحیه فرونتال و تمپورال بیش از 88 درصد صحت در تشخیص هوشیاری و خواب آلودگی ارائه دادند.