在人口老龄化发展的社会背景下,心血管疾病患者人数一直处于增长趋势。心房颤动作为心血管疾病中最普遍的一类心律失常,威胁着国民的生命健康,也是心律衰竭和脑卒中等重大心脏疾病的诱发因素。房颤患者的心电信号中包含着反映患者心房活动的信号,也就是房颤信号(f波)。从房颤患者的心电信号中提取f波有助于对房颤的研究和临床诊断,在医学研究上具有重大意义。针对目前临床上对f波提取准确性的要求,本文对f波提取算法做了进一步研究,主要研究内容如下:一,提出基于堆叠降噪自动编码机的房颤信号提取算法。心电信号中分为心室信号(QRST波群)和心房信号(P波)。发生心房颤动时,P波就会被f波所取代。将房颤患者的心电信号作为输入信号,通过堆叠多个降噪自动编码机组成深度神经网络,该网络能够挖掘输入信号的深层信息,有较强的学习能力。训练网络时,在输入信号中引入噪声,期望能通过深度神经网络去除噪声干扰,提高网络模型的鲁棒性,能够获得更加稳定的输出。利用训练好的网络从输入信号中重构出QRST波群,再从房颤心电信号中消除QRST波就能得到f波。通过进行仿真房颤信号提取实验和真实房颤信号提取实验,验证了本文所提算法能够有效准确的提取房颤信号。二,提出融合独立成分分析和降噪自动编码机的房颤信号提取算法。独立成分分析利用心电房、室信号的去耦特性,可以初步分离心房信号成分和心室信号成分。将分离出的心室信号成分作为降噪自动编码机网络的输入信号,即从输入信号中消除部分心房信号分量,使得重构的QRST更加精准,从而在房颤信号中消除QRST波群得到房颤f波。通过进行仿真房颤信号提取实验和真实房颤信号提取实验,验证了本文所提算法能够进一步提高房颤信号的提取准确度。本文工作对房颤f波的提取算法进行深入研究,为后续f波的进一步应用以及房颤辅助诊断提供了可靠基础。