心律失常是发病率很高的心脏疾病,心律失常在人们日常生活中普遍存在,不仅严重危害人们的身体健康而且对人们的心理产生较为严重的影响。心房颤动(atrial fibrillation,AF)又称房颤,是心律失常中的一种,在临床上极为常见,房颤发生时主要表现为心房有规律的收缩出现紊乱,变为心房的无规则颤动。房颤患者在心脏病患者群中占很大的比重,死亡率也高于其他心脏病患者,而且年龄越大发病率就会越高,所以,对房颤患者的救治是目前国内外心脏病治疗的重中之重。心电图(Electrocardiogram,ECG)可以反映心脏兴奋所产生的电活动,它可以检测并记录患者心脏的状态以及各种心律失常症状,是目前可以帮助医生进行诊断治疗的重要的方式之一。房颤信号在ECG中的主要表现为:P波消失,取而代之的是间距振幅均不规则的F波,频率350-600次/分;心律绝对不齐。F波是区别房颤信号和正常信号的主要特征,因此,从ECG中提取F波能够及时帮助医生判断诊治患者出现的问题,同时也是智慧医疗中房颤信号分类并诊断的至关重要一步。非负矩阵分解(Non-negative Matrix Factorization,NMF)是21世纪新兴的特征提取及分类的算法,在信号处理中的表现的十分优秀。本文对房颤信号特征和NMF基础理论进行深入研究,在非负矩阵分解的基础上加入合适的标签约束,构成适用于房颤信号分离的基于标签约束的非负矩阵分解算法,相比于基础的NMF算法,该算法更适用于房颤信号提取。所以本文介绍了非负矩阵分解的基本模型,在此基础上介绍并推导了基于标签约束的非负矩阵分解模型,同时把该模型用到真实房颤信号提取实验中,取得了比较好的效果。