胎儿的心电图(Fetal Electrocardiogram,FECG)是研究胎儿心脏电生理活动的一项客观指标,反映了胎儿在孕期中的成长和健康情况。其检测方法一般可分为直接法和间接法。其中,直接法是经胎儿体表直接获得比较稳定的胎儿心电图,但只能用于产时;而间接法是从孕妇的体表提取信号,对孕妇及胎儿均无损害,但检测时,FECG常常受很多的噪声干扰,对分离算法提出了很高的要求。目前,盲源分离法(BSS)中的独立分量分析(ICA)被认为是提取胎儿心电效果最好的方法。传统的ICA算法优化目标函数时常用最陡梯度下降算法寻优,容易陷入局部最优值。本文针对微粒群算法(PSO)对目标函数的解析性质要求不高,有利于解决复杂的、大规模的、非线性、不可微的优化问题的特点,将PSO算法用于对ICA问题优化,提出了一种新的分离FECG的算法。实验证明,这种算法具有较强的稳定性和鲁棒性,最终可以清晰的获取胎儿心电信号。本文的研究主要包括以下几个方面:1.研究了PSO算法的模型与参数设置,针对标准PSO算法易于早熟的缺点,引入模拟退火算法(SA)的突跳特性对其进行改进,使停滞于局部最优的微粒可以依概率有效的跳出,从而增加了种群的多样性。实验结果表明,改进的PSO算法比标准PSO算法具有更好的的全局收敛性;2.将改进了的PSO算法用于解决ICA的优化问题,建立了盲源分离的框架结构,提出了一种新的盲源分离算法PICA,给出了详细的原理论述和算法流程,实验结果表明PICA算法可用于超高斯语音信号和亚高斯图像信号的分离;3.应用PICA算法对心电信号模型进行分离,并且与FastICA算法和Infomax算法进行对比。无论是性能指数还是信噪比,PICA算法都要优于后两种算法。对临床心电数据分离技术表明PICA算法可以清晰的提取出FECG。