胎儿心电信号是反映胎儿宫内生理活动的客观指标之一,通过围产期胎儿心电监护可以早期诊断妊娠期及分娩期的胎儿宫内缺氧及先天性心脏病等疾病,降低围产儿发病率与死亡率。胎儿心电图能准确区分胎儿心脏活动周期的微小电位变化,其形态变化比目前广泛使用的B型超声监护仪、多普勒超声监护仪和胎心监护仪等更敏感,已成为认知和了解胎儿心脏活动及早期发现胎儿疾病的重要手段。有效提高胎儿心电信号提取的水平和能力,得到清晰的胎儿心电图具有重要的理论意义和实用价值。但是目前胎儿心电信号提取存在着准确率低、实现复杂度高等问题,限制了它在临床上的应用。为此,本论文全面系统阐述胎儿心电信号提取的发展动态,详细分析胎儿心电信号的提取原理,深入研究人工神经网络、支持向量机、非平稳信号处理方法、小波去噪技术和经验模式分解去噪技术在胎儿心电信号提取中的应用。研究基于人工神经网络的胎儿心电信号提取。详细介绍基于自适应噪声抵消器的胎儿心电信号提取原理,分析腹壁混合信号特性,指出胎儿心电信号提取的关键问题。分析采用自适应滤波算法构造的自适应噪声抵消器的缺陷,阐明在胎儿心电信号提取中引入人工神经网络的目的和意义。简述径向基函数神经网络和广义回归神经网络的工作原理,研究基于径向基函数神经网络和广义回归神经网络的胎儿心电信号提取方法,并讨论其参数选择。对基于径向基函数神经网络、广义回归神经网络、卡尔曼滤波算法和归一化最小均方误差自适应滤波算法的胎儿心电信号提取方法进行临床胎儿心电信号提取对比实验,比较其可视化效果。通过实验说明人工神经网络在胎儿心电信号提取中的局限性。研究基于最小二乘支持向量机的胎儿心电信号提取。阐述最小二乘支持向量机的基本工作原理,研究基于最小二乘支持向量机的胎儿心电信号提取方法。引入基于特征值分析计算信噪比和基于互相关系数计算信噪比的方法,以评估胎儿心电信号提取方法的性能。从核函数选择、参数优化、输入信号的时间导数阶数选择以及训练数据选择四个方面优化应用于胎儿心电信号提取的最小二乘支持向量机。对基于最小二乘支持向量机、径向基函数神经网络、广义回归神经网络、卡尔曼滤波算法和归一化最小均方误差自适应滤波算法的胎儿心电信号提取方法进行临床胎儿心电信号提取对比实验,比较其可视化效果和信噪比。针对心电信号的非平稳特性,引入经验模式分解方法对母体心电信号进行预处理,研究基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取方法,并讨论其参数选择。对基于经验模式分解和最小二乘支持向量机、径向基函数神经网络、最小二乘支持向量机的胎儿心电信号提取方法进行对比实验,比较其可视化效果和信噪比。研究胎儿心电信号去噪。阐述胎儿心电信号的噪声特点,简介胎儿心电信号去噪研究现状。研究基于小波包变换的胎儿心电信号去噪方法,对通过本论文所提出的胎儿心电信号提取方法提取得到的胎儿心电信号进行去噪实验。阐述经验模式分解用于信号去噪的原理,研究基于经验模式分解的胎儿心电信号去噪方法,对通过本论文所提出的胎儿心电信号提取方法提取得到的胎儿心电信号进行去噪实验。并对基于经验模式分解和小波包变换的胎儿心电信号去噪方法进行对比实验。