胎儿心电信号(FECG)是胎儿心脏活动的源发性信号,直接反映了胎儿在孕期中的成长和健康情况,通过对胎儿心电图的检查,能够尽早发现胎儿生长发育过程中的异常状况,是对胎儿宫内安危状况监测的有效手段。本文针对胎儿心电信号提取问题,提出了一种基于阻尼牛顿法的快速定点独立分量分析(FastICA)的提取方法。本文通过对目前各种FECG信号提取方法进行研究、分析和比较,发现FECG信号的采样点数和采样精度对其提取结果有着重要的影响。好的信号提取效果通常需要很高的采样点数和精度,而这会增加数据长度,进而提高了算法的计算复杂度。这就需要探索一种兼顾提取效果和运算时间的有效算法来提取FECG信号。研究发现,基于独立分量分析方法具有分离效果好、所寻求的分量间满足独立非高斯性等优点,且发展迅速,应用广泛,为此本文将FastICA算法作为研究重点,提出了一种改进的FastICA算法用于提取胎儿心电信号。该算法利用阻尼牛顿法代替原始FastICA算法中的牛顿迭代法,沿牛顿方向增加了一维搜索,克服了牛顿迭代法对初始值选择比较敏感的缺陷,改善了分离信号的质量,提高了收敛速度。通过采用仿真数据和真实数据对该方法进行测试,实验结果表明应用该方法提取胎儿心电信号有较好的适应性和稳定性,且信号的分离效果更好,收敛速度更快。采用改进的FastICA算法对实际心电信号进行分离后,分量中仍然会含有一些噪声干扰,因此本文采用小波阂值去噪方法进一步对实际心电信号分离结果做去噪处理,并针对该方法的阈值处理进行了改进,构造了一种新的阈值函数,采用加权平均将软、硬阈值函数结合起来,通过调整加权因子获得较优的小波系数阈值估计,提高了信号的重构精度。实验结果表明小波去噪后FECG信号的质量得到了明显的改善,心电图波形的细节更加清晰,为后续的临床分析带来便利。最后,对本文的研究工作进行了总结,并对FECG信号提取方法研究的前景进行了展望。