心电信号是一种在临床医学和生物研究中得到重要应用的生理电信号。通过对心电数据的研究,可以了解心脏的生理特性,为心脏及心血管疾病的预防、诊断提供重要依据。人体心电信号十分微弱,且具有随机性,而且背景噪声环境比较复杂,在提取过程中会受到工频干扰、基线漂移、肌电干扰等噪声的影响。因此,更加稳健的提取心电信号,从采集的体表心电信号中获取能够反映心脏工作状态的有用信息是一项有困难的工作,受到国内外信号处理研究人员的普遍关注。独立分量分析(Independent Component Analysis, ICA)是一种解构多维观测信号,获取统计独立成分(源信号)的信号处理技术。该技术因其独特的信号处理机制引起了信息挖掘、信号特征提取、通信信息系统信号分析等众多研究领域的极大兴趣。本文对ICA的算法原理及去噪模型进行了深入的分析,利用心电信号及其各种干扰噪声信号相互统计独立的特性,提出了基于负熵最大化快速独立分量分析(Fast Independent Component Analysis, FastICA)心电信号消噪的方案。并通过降低传统FastICA算法的迭代运算复杂度减小了计算量,提高了收敛速度。通过仿真实验,对心电信号中的工频干扰、肌电尾迹干扰及基线漂移噪声进行了去噪。心电信号中混入的工频干扰、肌电噪声和基线漂移噪声基本被完全分离,心电信号有效成分得到保留,表明该方案有较好的心电提取效果。同时,本文还将基于负熵的FastICA心电消噪方法与目前常用的经验模态分解滤波和小波阈值心电消噪从算法的去噪原理、实际仿真效果上进行了对比分析。在不同信噪比情况下,通过仿真实验,得到了三种算法各自的特点和相关的对比数据,验证了本文提出的负熵最大化FastICA心电消噪方法的优越性。