胎儿心电图可用于胎儿宫内窘迫、缺氧等疾病的临床诊断,可以降低围产儿的发病率和死亡率。所以,提取纯净的胎儿心电信号(Fetal Electrocardiogram,FECG)具有重要意义。但是取自母体体表的FECG本身非常微弱,且受到各种噪声和干扰的影响,其中最大的干扰是母体心电信号(Maternal Electrocardiogram,MECG)。FECG和MECG在时域和频域上互相混叠,具有较强的随机性和非平稳性,同时FECG的提取效果又受到各种人为干扰(母体呼吸、移动、肌肉收缩等)、电极位置及数量、胎位等因素的影响。所以,如何更好地提取清晰的FECG仍然是一项艰巨的工作。本文调研了国内外FECG提取的研究现状和趋势,研究了独立分量分析(Independent Component Analysis,ICA)在FECG提取中的应用,针对FECG的特征说明了ICA用于提取FECG提取的有效性。本文重点研究了基于负熵的快速ICA算法(Fast ICA),其可以实现FECG的快速、有效提取。针对分离结果的不确定性,采用频谱和时域分析相结合的方法并根据FECG和MECG的不同特征,识别分离出各源信号。同时就实际应用中出现的因外界干扰噪声过大而影响分离效果的情况,采用小波阈值去噪进行滤波预处理以改善其性能。通过对模拟信号和实测信号进行FECG的提取,验证了算法的有效性,仿真结果表明:经过预处理后,在信噪比较低的情况下,也能进行FECG的有效分离,从而增大了算法的应用范围。