胎儿心电信号对胎儿健康状况的早期诊断有重要作用。与常规心电信号相同,胎儿心电信号的波形形态中包含了大量信息,可用于胎儿缺氧和先天性心脏缺陷等病症的医学诊断。然而,从非侵入式测量方法测得的孕妇腹壁心电信号中,提取清晰的胎儿心电信号波形,目前仍较为困难。胎儿心电信号常受工频干扰、母体心电成分和其他噪声成分的污染,而以往的大部分工作只能分离出包含大量噪声的胎儿心电信号,用于提取胎心心率,并不能提取出胎儿心电信号的清晰波形。这导致了基于胎儿心电波形形态的医学诊断难以实施,极大限制了胎儿心电信号的临床应用价值。本文开展了一系列研究工作,通过改善工频消噪,母体成分抵消和胎心信号降噪三个关键环节的信号处理效果,大幅提升了提取出的胎儿心电信号波形的清晰度和准确度。本文的主要研究内容与贡献如下:1.基于循环神经网络的心电信号工频消噪方法工频干扰是现代传感器技术采集得到的生物医学电信号中,含有的主要噪声之一,对传感信号的信号质量有极大影响,因而工频消噪往往是传感信号预处理过程中的重要环节。工频干扰与心电信号在频域分布上的重叠,使传统滤波方法在进行工频消噪时,常会引起显著的信号失真。本文提出基于循环神经网络的工频消噪方法,经合成样本训练后的循环神经网络模型,可无需先验知识和预处理过程,直接从心电信号中提取出工频干扰成分。构建了一种训练样本的生成策略,将心电信号纯净波形与随机模拟工频信号混合,得到合成样本。实验结果表明,该方法可显著缓解工频消噪过程引入的信号失真,具有较强的泛化能力,为论文后续的创新工作提供了理论基础。2.基于循环神经网络的分段重建工频消噪方法采用非侵入式测量法测得的孕妇腹壁心电信号中,胎儿心电信号成分通常十分微弱。工频消噪过程引入的信号失真会严重破坏胎儿心电信号的波形信息。因而胎儿心电的提取过程,对工频消噪的低失真度要求更为严苛。本文提出了基于双向循环神经网络的分段重建工频消噪方法,通过分段估计,借助双向循环神经网络扩充的拟合能力,提取心电信号中工频干扰成分的特性系数,计算出工频干扰成分的幅度、相位与实际频率,而后通过逐段局部重建,对心电信号中的工频干扰成分进行重建恢复。实验结果表明,相较以往性能最优方法,该方法将滤得心电信号的信噪比平均提高了7 dB,将工频干扰幅值变化的瞬态响应时间减少到了 0.09秒,且具有较强的鲁棒性,可适应工频干扰的幅值和频率在较大范围内的变化,满足了胎儿心电信号预处理的性能要求。此外,经实验验证,该方法还具有一定的泛化能力,可无需重新训练循环神经网络模型,直接应用于实际生物电信号的工频消噪任务,具有良好的普适性和实用价值。3.基于循环神经网络的胎儿心电提取方法孕妇腹壁心电信号中含有母体心电、各类噪声和微弱的胎儿心电信号,为提取出清晰的胎心信号波形,本文提出了一种基于循环神经网络的两阶段噪声消除胎儿心电提取方法,以循环神经网络数字信号处理为基础,通过母体成分抵消和胎心信号降噪两阶段的处理过程,实现低失真度的胎儿心电提取。分别设计了两阶段处理过程的算法框架。改进了模型自适应更新的损失函数和参数调节策略实现循环神经网络的自动迭代收敛。根据母体内心电信号传导变换的系统特性,修改了长短时记忆单元遗忘门和输出门的门控机制,大幅降低了循环神经网络的运算量。实验结果表明,相较以往性能最优方法,该方法在母体成分抵消和胎心信号降噪两阶段的处理过程中,分别将提取出的胎儿心电信号的信噪比,平均提高了 1.26dB和4.33dB。这共计约5.6dB的性能提升,显著提高了胎儿心电的信号质量,将有助于胎儿心电波形的医学诊断,促进胎儿健康监测技术的发展。