随着社会老龄化的发展,心血管疾病的发病率和死亡率一直处于递增状态,现在已经超过肿瘤性疾病成为排名第一的疾病。房颤作为临床上最常见的心血管疾病,影响着50岁以上约5%的人口,也是脑卒中以及心律衰竭等重大心脏疾病的重要诱因。近年来,因为房颤信号的数字特征在心律失常药物效果判断、房颤辅助诊断以及颤动部位定位等方面展现了重要的临床价值,所以在房颤发生时,消除心室信号的干扰,提取房颤信号是帮助临床医生进一步分析房颤的重要手段。为了满足临床上对房颤信号的准确性提取要求以及动态心电信号实时性提取要求,本文对房颤信号提取算法做了进一步的深入研究,本文的主要研究内容如下:一、本文提出了基于遗传回声状态网络的房颤信号提取算法。为了降低基于回声状态网络提取房颤信号过程中储备池参数人工随机选择的盲目性,引入遗传算法对储备池参数进行优化,生成最优的网络储备池用于提取房颤信号。同时,为了加快进化速度,设计了一种自适应遗传算子,在保证搜索范围的情况下,满足回声状态网络在房颤信号提取中的实时性要求。实验证明,所提算法在仿真房颤信号提取实验中的相对均方根误差达到了0.22,在真实房颤信号提取实验当中频谱集中度达到了42%,表明所提算法在保证房颤信号实时提取的情况下,准确有效提取房颤信号。二、本文提出回声状态网络与独立成分分析相结合的房颤信号提取算法。基于心电信号的心房信号和心室信号的去耦特性,利用独立成分分析来分离心室成分和非心室成分,选取其中心室成分作为回声状态网络的输入参考信号,利用网络的非线性映射能力估计QRST波群,从而更加精准的在混合信号中消除QRST得到房颤信号。实验证明,所提算法在仿真房颤信号提取实验中的平均相对均方根误差达到了0.14,在真实房颤信号提取实验中的频谱集中度达到了64.86%,表明利用所提算法在保证房颤信号局部提取的前提下,进一步提高了房颤信号的提取精度。本文工作对房颤信号的提取算法进行了深入的研究,为后续房颤治疗药物作用的验证以及房颤辅助诊断提供了可靠基础。