در این پایان نامه، پیاده سازی یک روش قابل قبول جهت تشخیص خواب آلودگی در رانندگان خودرو بر روی پردازنده های dsp مورد تحقیق و بررسی قرار گرفته است. برای این منظور ابتدا یک پایگاه داده متشکل از 20 داوطلب مرد با میانگین سنی 24 سال ایجاد شده است که داوطلبین مورد نظر در دو حالت هوشیاری و خواب آلودگی به رانندگی با یک دستگاه شبیه ساز پرداخته اند. سپس جهت ارزیابی پایگاه داده از سه روش تبدیل موجک، تبدیل بسته موجک و ردگیری انطباق که طبق دانسته ما برای اولین بار جهت استخراج ویژگی از سیگنال های مغزی استفاده شده، ویژگی های مناسبی در باند فرکانسی دلتا و تتا استخراج شده است سپس توسط طبقه بند svm مورد ارزیابی قرار گرفته اند. نتایج حاصل از طبقه بندی نشان داد که در هنگام خواب آلودگی انرژی ضرایب موجک درکانال های o1 و o2 در باندهای فرکانسی تتا و دلتا افزایش چشمگیری می یابند اما افزایش مقدار آن وابسته به فرد بوده و در تمامی افراد یکسان نیست. در ادامه به منظور پیاده سازی یک الگوریتم مبتنی بر موجک، ابتدا یک سخت افزار مناسب جهت دریافت دو کانال از سیگنال های مغزی طراحی و ساخته شد که از ویژگی های آن می توان به قابل حمل بودن و کم مصرف بودن آن (24 میلی وات) اشاره کرد. سپس جهت پردازش سیگنال های دریافتی یک سخت افزار دیگر مبتنی بر پردازنده tms320c5509a طراحی و ساخته شده است که کاملا قابل حمل بوده و توسط باتری راه اندازی می شود. نتایج بدست آمده نشان می دهد با انتخاب یک آستانه مناسب برای هر فرد می توان حالت خواب آلودگی را در آن تخمین زد.