胎儿心电图信号(FECG)是胎儿心脏活动的最源发性信号，直接反映了胎儿在孕期中的成长和健康情况，通过胎儿心电图的检查，能够早期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。本文针对胎儿心电图提取问题，提出了一种基于独立分量分析(ICA)的提取方法。　　 本文首先对国内外研究的多种胎儿心电图提取方法进行了综述，经过比较之后，发现基于独立分量分析的胎儿心电图提取方法有诸多优点并具有巨大的应用前景。因此，本文将研究重点放在了独立分量分析方法上，在比较了多种独立分量分析算法后，选择了核独立分量分析(KICA)算法。然后，作为理论研究基础，本文介绍了独立分量分析的理论知识，并在此基础之上，介绍了核独立分量分析的基本原理。　　 由于胎儿心电图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，因此为了获得好的提取效果，通常采样点数和精度都会很高，而这会增加数据长度，同时增加了算法的计算复杂度。因此需要一种兼顾提取效果和运算时间的有效算法来提取胎儿心电图信号。为此，本文提出了一种改进的核独立分量分析方法提取胎儿心电图信号，这种算法直接在代表正交抑制的Stiefel流上对目标函数进行优化，从而实现了在保证运算精度的前提下减小核独立分量分析算法的计算复杂度，提高收敛速度。利用仿真数据和真实数据对该方法进行了全面测试，实验结果表明应用该方法提取胎儿心电图信号有较好的适应性和稳定性。　　 目前，对胎儿心电图信号提取算法评估的关键问题是如何客观评价提取后信号的质量。为此，本文对胎儿心电图信号的评估方法进行了讨论，并提出了一种用于算法评价和比较的方法，并以本文提出的变步长KICA算法、KICA和FastICA三种算法为例，在面对胎儿心电图信号提取问题时，应用这一评价方法分析这些算法各自存在的优缺点。实验结果表明，该评价方法可操作性强，具有实用性和合理性。最后，作者对自己的研究工作进行了总结，并对胎儿心电图信号提取方法研究的前景进行了展望。