胎儿心电信号的提取是围产期的一项重要监测项目,其目的是了解怀孕期间胎儿的健康状况(胎儿发育程度,胎位等)。通常是在母体腹部适当位置处放置若干体表电极以测量胎儿心电(Fetal ECG,FECG)。但测得的信号中常叠加着一些干扰和噪声,其中最主要的干扰是母体心电(Maternal ECG,MECG)。此外,工频干扰、呼吸、肌电等引起的噪声也是常见的。目前已经有许多采用其它技术来提取FECG的报道,如相干平均、自相关和互相关、自适应滤波、基于奇异值分解和主分量分析等。但这些技术的提取方法受很多限制,或计算过于复杂,或需要更多的人工干预。独立分量分析(independent component analysis,ICA)是近十年来随着盲信号分离技术的发展而出现的一种新的信号处理技术。由于它的算法简单,计算量小,适用范围广,已逐渐成为信号处理领域的热点之一。在胎儿心电的提取问题中,测量值中的噪声是混合着的,混合系数决定于身体的几何因素和软组织的导电率,因此它们基本上是恒定的,而且这些信源间相互独立,符合ICA的基本要求,所以采用ICA技术来提取FECG是一项可行的办法。本研究首先介绍一些常用的信号处理方法及其特点,适用范围,并对其优缺点进行对比,在此基础上进行提取胎儿心电的仿真试验,仿真结果不是很理想。接着介绍了ICA算法的理论基础,主要包括统计学理论、信息理论等,这些是理解并掌握ICA算法的必要前提。然后介绍了ICA算法的基本原理。之后给出了ICA的两个著名算法:扩展的Infomax算法和FICA算法的具体推导。并将这两个算法应用于胎儿心电的提取上,得到了比较理想的提取效果。从中我们不难发现, ICA算法不仅能够得到清晰的FECG,更重要的是它对心电图仪的电极放置位置不敏感,因而具有更强的实用性。本文一大创新点是针对FECG的提取问题,提出了一种改进算法。该算法通过联合最大化峭度和某一延迟上的自相关函数得到。它充分利用了FECG与其他干扰噪声的独立性,以及FECG自身的自相关结构,因此与现有的FECG提取算法比较,不仅能提取出清晰的FECG,更重要的是它能大大降低噪声的干扰和人工干预。