摘  要： 胎兒心電信號(hào)提取是一個(gè)復(fù)雜的信號(hào)處理問題。本文首先對(duì)自適應(yīng)濾波技術(shù)、獨(dú)立分量分析方法和盲源提取技術(shù)等三種典型的胎兒心電提取方法的基本原理進(jìn)行了闡述，然后對(duì)各方法的改進(jìn)研究也進(jìn)行了綜述，并對(duì)比分析了三種方法的優(yōu)缺點(diǎn)，指出基于二階統(tǒng)計(jì)量盲提取方法，根據(jù)胎兒心電周期與母親心電周期的差異，只提取胎兒心電，計(jì)算量小，便于在線實(shí)時(shí)處理，在今后的應(yīng)用中將會(huì)有廣闊前景。

　　關(guān)鍵詞： 胎兒心電；自適應(yīng)濾波；獨(dú)立分量分析；盲提取

0 引言

　　圍產(chǎn)期胎兒心電的監(jiān)護(hù)對(duì)于孕婦和胎兒的健康至關(guān)重要，目前主要通過監(jiān)測心音、心動(dòng)和心電圖的變化來診斷胎兒在子宮內(nèi)的發(fā)育狀況。其中，胎兒心電圖最能體現(xiàn)胎兒心臟活動(dòng)，如果胎兒在發(fā)育過程中出現(xiàn)問題，心電圖波形的變化是最早的，比心音和心動(dòng)信號(hào)更為敏感，能為臨床診斷提供更多可靠的依據(jù)。但是胎兒心電信號(hào)非常微弱，想要獲取清晰的胎兒心電圖并不容易。

　　目前獲取胎兒心電的方法有兩種，一種是頭皮電極法，可以獲得比較純凈的胎兒心電信號(hào)，但是需要在破膜的情況下才能獲取，不利于圍產(chǎn)期監(jiān)護(hù)，而且可能對(duì)母親和胎兒造成傷害；另一種是從母體腹部放置電極來獲取胎兒心電，母體腹部電極得到的是包含胎兒心電、母親心電、電極干擾、肌電信號(hào)等噪聲的混合信號(hào)。一直以來，如何從母體腹部混合信號(hào)中提取清晰的胎兒心電信號(hào)，是國內(nèi)外學(xué)者廣泛關(guān)注的熱點(diǎn)問題。從最早的自適應(yīng)濾波法提取胎兒心電開始，獨(dú)立分量分析法，奇異值分解法，小波變換法，神經(jīng)網(wǎng)絡(luò)法等相繼被用來提取胎兒心電，胎兒心電提取技術(shù)得到了不斷的改進(jìn)和發(fā)展，本文將對(duì)目前比較典型的胎兒心電提取方法的研究現(xiàn)狀進(jìn)行綜述和分析，并指出今后的研究方向。

1 典型的胎兒心電信號(hào)提取方法

　　從胎兒心電圖不僅能夠得到胎兒心率，而且通過觀察胎兒心電波形的變化，可以直觀地發(fā)現(xiàn)胎兒發(fā)育是否存在異常，通過分析心電圖形態(tài)可以提取出一些重要的生理指標(biāo)，這對(duì)于圍產(chǎn)期監(jiān)護(hù)作用非比尋常。早期的提取方法中，以自適應(yīng)濾波法的應(yīng)用最多，清華大學(xué)周禮杲就對(duì)胎兒心電的提取進(jìn)行了深入的研究，提出了相干平均法、匹配濾波法、自適應(yīng)濾波法，并且基于自適應(yīng)濾波技術(shù)設(shè)計(jì)了胎兒心電圖儀器。

　　1.1 自適應(yīng)濾波技術(shù)

　　自適應(yīng)濾波法是通過不斷地調(diào)整自適應(yīng)濾波器的參數(shù)，逐漸抵消母體心電，使得系統(tǒng)的輸出是胎兒心電的估計(jì)。利用自適應(yīng)濾波方法提取時(shí)，通常需要兩路信號(hào)，一路是腹部母體心電信號(hào)、胎兒心電信號(hào)以及其他噪聲干擾混合信號(hào)，另一路是母體胸部采集的母體心電信號(hào)。以胸部信號(hào)為參考輸入，通過相應(yīng)的自適應(yīng)算法不斷調(diào)整濾波器的系數(shù)，從而達(dá)到提取清晰的胎兒心電信號(hào)的目的，自適應(yīng)抵消法提取的原理如圖1所示。

　　常用的自適應(yīng)濾波算法有最小均方誤差LMS算法、歸一化最小均方誤差算法NLMS、遞推最小二乘算法RLS。從濾波效果來看，LMS、NLMS、RLS都可以提取出胎兒心電信號(hào)，RLS提取效果最好；從收斂速度來看，RLS收斂速度最快，然后是NLMS和LMS，但RLS的計(jì)算量較大；從誤差來看，RLS誤差最小，NLMS和LMS次之。綜合考慮，RLS算法性能最優(yōu)，收斂速度最快，濾波效果較好，誤差相對(duì)較小，在開始階段濾波器中母體心電干擾較少。

　　1.2 獨(dú)立分量分析方法

　　近年來，隨著盲信號(hào)處理技術(shù)的不斷發(fā)展，催生了盲源分離方法在胎兒心電信號(hào)提取方面的廣泛應(yīng)用和研究。盲分離是指從觀測到的混合信號(hào)中提取或者恢復(fù)出無法直接觀測的源信號(hào)的一種處理方法，以獨(dú)立分量分析為主要代表。

　　獨(dú)立成分分析是在假定各源信號(hào)統(tǒng)計(jì)獨(dú)立的基礎(chǔ)上建立ICA模型，基于此模型的胎兒心電分離問題如下：假定胎兒心電、母體心電、肌電信號(hào)等相互獨(dú)立，經(jīng)過母體腹部傳輸?shù)礁贡诘倪^程為一個(gè)線性瞬時(shí)混合過程，則通過m個(gè)傳感器檢測到一組觀測信號(hào)X，用矩陣可以表示為X=AS，其中A是m×n的混合矩陣，S為噪聲向量。ICA就是在不知道源信號(hào)以及腹部傳導(dǎo)特性的情況下，僅由觀測信號(hào)X求出分離矩陣W，從而將源信號(hào)分離出來，并且分離的各個(gè)成分之間統(tǒng)計(jì)獨(dú)立，以此達(dá)到分離胎兒心電的目的[1]。其原理如圖2所示。

　　基本的ICA分離算法有Informax算法和快速固定點(diǎn)FastICA算法，Informax算法利用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，在變化的環(huán)境中可以快速的自適應(yīng)，但是這種方法收斂速度太慢，而且收斂的速度取決于學(xué)習(xí)速率的選擇，如果學(xué)習(xí)速率選擇不當(dāng)，有可能不收斂。而FastICA就是一種更為可靠的定點(diǎn)迭代算法，它包括極大化峭度的FastICA和極小化負(fù)熵的FastICA。前者以峭度值作為非高斯性的度量，對(duì)外部變化較為敏感，樣本中任何一個(gè)不恰當(dāng)?shù)闹刀加锌赡苁骨投戎底兇?，算法魯棒性能差，所以?yīng)用較少。

　　1.3 盲源提取技術(shù)

　　盲源提取技術(shù)同樣建立在盲信號(hào)處理的基礎(chǔ)上，相比于獨(dú)立分量分析，盲提取只提取感興趣的信號(hào)，可以只提取出胎兒心電信號(hào)，主要通過二階統(tǒng)計(jì)量和四階統(tǒng)計(jì)量來實(shí)現(xiàn)[2]。前者一般利用胎兒心電信號(hào)的時(shí)間周期結(jié)構(gòu)和自相關(guān)性建立目標(biāo)函數(shù)，計(jì)算量較小，算法簡單，但是對(duì)于時(shí)間延遲的估計(jì)依賴較大；而后者則主要依據(jù)胎兒心電與母親心電具有不同的峭度特性，基于特定的峭度范圍建立目標(biāo)函數(shù)，此方法建立在對(duì)峭度值估計(jì)的基礎(chǔ)上，因此算法的穩(wěn)定性能比較差。在盲提取算法中，最早的提取方法大多沒有將噪聲考慮在內(nèi)，參考文獻(xiàn)[3]則將噪聲考慮在內(nèi)，分別利用胎兒心電的周期性和非高斯性提取胎兒心電，這種方法更符合實(shí)際情況，因此更適合實(shí)際應(yīng)用場合。利用二階統(tǒng)計(jì)量方法盲提取胎兒心電，計(jì)算簡單，并且能夠保證只提取胎兒心電，但是大多需要估計(jì)胎兒心電的時(shí)間周期，算法的提取性能受到了時(shí)間延遲估計(jì)的限制。

2 對(duì)提取方法的改進(jìn)策略和進(jìn)一步研究

　　2.1 對(duì)自適應(yīng)濾波技術(shù)的改進(jìn)研究

　　自適應(yīng)濾波法的收斂效果與步長設(shè)置息息相關(guān)，如果步長較小，失調(diào)較小，但收斂時(shí)間過長；如果步長設(shè)置過大，又可能造成發(fā)散，無法有效的分離。參考文獻(xiàn)[4]提出截?cái)嗾`差的LMS算法加快收斂速度；針對(duì)LMS算法收斂速度慢的缺點(diǎn)，參考文獻(xiàn)[5]改進(jìn)了LMS算法濾波器的權(quán)系數(shù)更新方法，分段采用不同算法，在QRS波變化較快采用LSL算法，在其他段仍采用LMS算法，使權(quán)系數(shù)的更新與濾波同時(shí)進(jìn)行，達(dá)到提高收斂速度的目的。

　　自適應(yīng)濾波法分離關(guān)鍵在于獲得較為理想的母體心電參考信號(hào)，參考文獻(xiàn)[6]對(duì)采集到的母體胸部心電信號(hào)進(jìn)行小波軟閾值消噪處理，然后再利用RLS算法進(jìn)行自適應(yīng)濾波處理，該方法較好地抑制了母體心電和其他噪聲。參考文獻(xiàn)[7]將自適應(yīng)噪聲抵消法和自適應(yīng)譜線增強(qiáng)法結(jié)合，獲得的胎兒心電信號(hào)更為清晰。除此之外自適應(yīng)鎖相干擾技術(shù)[8]、多路自適應(yīng)濾波處理等方法都被用來提高自適應(yīng)濾波提取的效果。

　　2.2 獨(dú)立分量分析方法的改進(jìn)研究

　　參考文獻(xiàn)[9]對(duì)傳統(tǒng)的ICA分離算法進(jìn)行了仿真比較，基于自然梯度的Infomax算法可以分離超高斯信號(hào)或者亞高斯信號(hào)，但不能同時(shí)分離超高斯和亞高斯信號(hào)；改進(jìn)的Infomax算法可以自適應(yīng)地確定激活函數(shù)，分離同時(shí)存在超高斯和亞高斯分布的源信號(hào)；快速固定點(diǎn)算法也可以分離同時(shí)存在超高斯和亞高斯分布的混合信號(hào)。其中，快速ICA算法不需要選擇學(xué)習(xí)速率，收斂速度快，由于建立在梯度法和牛頓迭代法求極值，有可能陷入局部極值，因此有待進(jìn)一步研究全局尋優(yōu)問題。

　　針對(duì)傳統(tǒng)ICA方法容易陷入局部極優(yōu)解的缺陷，文獻(xiàn)[10]將遺傳算法與基于峭度的ICA相結(jié)合，保證算法能夠達(dá)到全局最優(yōu)解，而且有效地提取胎兒心電；文獻(xiàn)[11]改進(jìn)了FastICA算法的正交化方法，采用對(duì)稱正交的方法，使得算法收斂更快，分離精度更高，而且具有很好的穩(wěn)定性。參考文獻(xiàn)[12]、[13]將FastICA和小波閾值去噪相結(jié)合，使得分離效果更為清晰；針對(duì)獨(dú)立分量分析分離順序的不確定問題，參考文獻(xiàn)[14]將PCA與ICA方法結(jié)合，求分離信號(hào)的相關(guān)系數(shù)來分辨胎兒心電；參考文獻(xiàn)[15]利用阻尼牛頓法代替原始牛頓迭代法，克服了牛頓迭代法對(duì)初始值選擇比較敏感的缺陷，加快了收斂速度，而且提取的胎兒心電更為穩(wěn)定和清晰。上述ICA分離方法，基本都是離線處理，考慮到實(shí)際應(yīng)用的需要，參考文獻(xiàn)[16]、[17]提出動(dòng)態(tài)的ICA盲源分離方法，為ICA方法在線提取提供了依據(jù)。

　　2.3 盲源提取技術(shù)的改進(jìn)

　　盲源提取大多需要估計(jì)胎兒心電的延遲周期，對(duì)時(shí)間延遲估計(jì)較為敏感，如果估計(jì)誤差較大則可能會(huì)導(dǎo)致不能提取胎兒心電，一旦時(shí)間延遲確定，不僅計(jì)算量小，而且提取效果較好，因此時(shí)間延遲的估計(jì)結(jié)果和迭代過程的收斂速度直接影響了算法的性能。

　　參考文獻(xiàn)[18]最小化均方差函數(shù)，利用梯度下降法，通過觀測信號(hào)在不同的時(shí)間延遲的自相關(guān)特性來提取胎兒心電信號(hào)。參考文獻(xiàn)[19]則最大化自相關(guān)函數(shù)作為目標(biāo)函數(shù)求解。前者提取效果較好，但受時(shí)間延遲影響較大，后者提取的胎兒心電摻雜有一些噪聲。參考文獻(xiàn)[20]提出了信號(hào)的協(xié)方差矩陣的特征值分解法，這種方法解決了二階統(tǒng)計(jì)量法過度依賴時(shí)間周期性的缺陷，速度更快，只要時(shí)間周期估計(jì)誤差不是很大，都可以保證信號(hào)很好地分離出來。參考文獻(xiàn)[21]利用源信號(hào)的非高斯性和時(shí)間自相關(guān)特性建立目標(biāo)函數(shù)和相應(yīng)的梯度下降算法，通過仿真分析也得到了比較理想的效果，但是其收斂性與所選用的迭代步長有著密切的關(guān)系，僅僅在給定合適迭代步長時(shí)，算法才能取得較好的提取效果。參考文獻(xiàn)[22]利用近似牛頓法結(jié)合信號(hào)的非高斯性和自相關(guān)性建立了目標(biāo)函數(shù)，與已有的梯度算法相比，由于不涉及迭代步長，特別適合信號(hào)的盲提取。

3 三種研究方法的對(duì)比分析

　　自適應(yīng)濾波方法計(jì)算簡單，便于進(jìn)行在線處理，但是要想獲取清晰的胎兒心電，存在著一定難度。由于電極放置位置的不同，肌電信號(hào)和其他噪聲的影響，腹部的母體心電與胸部獲得的母體心電參考之間在幅度、相位方面會(huì)存在著一定的偏差，因此不能很好地抵消母體心電和噪聲的效果，而且當(dāng)母體心電QRS波和胎兒心電QRS波重疊時(shí)，使用自適應(yīng)濾波算法則不能達(dá)到抑制母體心電的目的，難以獲得清晰的胎兒心電。雖然在獲取母體心電模板方面也進(jìn)行了很多研究，但是同時(shí)帶來的是復(fù)雜的計(jì)算過程，因此從實(shí)際應(yīng)用的角度來講，效果并不理想。

　　獨(dú)立分量分析的方法來提取胎兒心電最大的優(yōu)勢是可以將胎兒心電、母體心電等各個(gè)獨(dú)立分量分別提取出來，但I(xiàn)CA算法分離大多采用批處理算法，不能進(jìn)行在線處理，而且由于源信號(hào)及混合系統(tǒng)的先驗(yàn)知識(shí)較少，分離結(jié)果存在著信號(hào)順序不確定和幅度不確定問題，對(duì)此雖然也提出了多種改進(jìn)算法，但算法大都比較復(fù)雜，計(jì)算量過大，不利于實(shí)際應(yīng)用。除此之外，ICA方法對(duì)于通道數(shù)目的要求也比較嚴(yán)格，如果通道數(shù)小于源信號(hào)數(shù)，則源信號(hào)不好分辨，導(dǎo)致不能提取到純凈的胎兒心電。通道數(shù)大于源信號(hào)數(shù)，則提取的信號(hào)混雜噪聲較多，需要進(jìn)行降維處理來減少噪聲。

　　基于二階統(tǒng)計(jì)量盲提取的方法，相關(guān)函數(shù)法提取胎兒心電，根據(jù)胎兒心電周期與母親心電周期的差異，需要估計(jì)胎兒心電的延遲周期，對(duì)時(shí)間延遲較為敏感。但是這種方法只提取胎兒心電，因此計(jì)算量小便于在線處理，這些都有利于實(shí)際應(yīng)用開發(fā)，而且這種方法對(duì)通道數(shù)目限定較少，通道數(shù)目越多則提取效果越好，所以從胎兒監(jiān)護(hù)的長遠(yuǎn)發(fā)展來看，如果結(jié)合自適應(yīng)處理方法，考慮對(duì)延遲時(shí)間進(jìn)行自適應(yīng)的尋找，那么這種方法在實(shí)際應(yīng)用場合更有前景。

4 結(jié)束語

　　本文對(duì)典型的三種胎兒心電提取方法的研究現(xiàn)狀進(jìn)行了綜述，敘述了每種提取方法的基本原理，并對(duì)各自的優(yōu)缺點(diǎn)進(jìn)行了分析，對(duì)部分改進(jìn)算法也進(jìn)行了分析，最后從實(shí)際應(yīng)用的角度對(duì)三種算法進(jìn)行了綜合對(duì)比，指出基于二階統(tǒng)計(jì)量盲提取方法在今后的應(yīng)用中將會(huì)更有前景。

　　物聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展使得胎兒心電監(jiān)護(hù)開始走向個(gè)人化和家庭化，移動(dòng)便攜式的監(jiān)護(hù)產(chǎn)品和遠(yuǎn)程心電監(jiān)護(hù)的出現(xiàn)對(duì)于胎兒心電提取技術(shù)提出了更高的要求，因此有效的在線處理算法是走向?qū)嶋H應(yīng)用的唯一途徑，未來可以開發(fā)以二階統(tǒng)計(jì)量盲提取為基礎(chǔ)，結(jié)合自適應(yīng)處理的盲提取算法。

參考文獻(xiàn)

　　[1] 蔡坤寶，冀志華.應(yīng)用獨(dú)立成分分析的胎兒心電信號(hào)提取[J].重慶大學(xué)學(xué)報(bào)，2009，32（3）：332-336.

　　[2] 馬明.胎兒心電盲源提取算法性能比較[C].2011年亞太青年通信學(xué)術(shù)會(huì)議論文集（2）.2011：267-273.

　　[3] 陳壽齊，沈越泓，許魁.噪聲背景下的胎兒心電提取[J].數(shù)據(jù)采集與處理，2010，25（2）：228-233.

　　[4] 徐欣，馬千里，朱旭.胎兒心電提取自適應(yīng)濾波器仿真對(duì)比研究[J].南京理工大學(xué)學(xué)報(bào)，2011，35（6）：847-852.

　　[5] 洪少春.基于LMS改進(jìn)算法的自適應(yīng)濾波器在胎兒心電監(jiān)測中的應(yīng)用[J].邵陽學(xué)院學(xué)報(bào)（自然科學(xué)版），2007，4（3）：24-28.

　　[6] 單立場，冀志華.基于小波消噪和自適應(yīng)濾波的FECG提取[J].重慶工學(xué)院學(xué)報(bào)（自然科學(xué)版），2007，21（6）：74-78.

　　[7] 王倩，闊永紅.胎兒心電檢測方法研究[J].電子元器件應(yīng)用，2009，1（10）：83-85.

　　[8] 李章勇，謝正祥，牛永紅.自適應(yīng)干擾對(duì)消技術(shù)提取胎兒心電的可視化仿真實(shí)現(xiàn)[J].上海生物醫(yī)學(xué)工程，2001，22（4）：13-17.

　　[9] 閆彩虹，曾孝平.基于ICA的胎兒心電信號(hào)提取算法的比較[J].重慶工學(xué)院學(xué)報(bào)（自然科學(xué)），2009，23（10）：108-113.

　　[10] 曾孝平，李君，余煒，等.基于ICA方法和遺傳算法的胎兒心電信號(hào)提取[J].數(shù)據(jù)采集與處理，2010，25（5）：600-604.

　　[11] 王壘.基于獨(dú)立分量分析盲源分離方法的研究[D].蘭州：蘭州理工大學(xué)，2010.

　　[12] 蔡坤寶，冀志華.應(yīng)用獨(dú)立分量分析的胎兒心電信號(hào)提取[J].重慶大學(xué)學(xué)報(bào)，2009，32（3）：332-336.

　　[13] 趙淼.基于改進(jìn)ICA算法和小波變換的胎兒心電信號(hào)提取方法研究[D].沈陽：東北大學(xué)，2009.

　　[14] 李文娟，郭曉靜，吳小培.結(jié)合ICA和PCA方法的胎兒心電提取[J].計(jì)算機(jī)技術(shù)與發(fā)展，2007，17（8）：223-229.

　　[15] 冀志華.基于獨(dú)立分量分析的胎兒心電信號(hào)提取的研究[D].重慶：重慶大學(xué)，2008.

　　[16] 程舒慧，吳小培.基于滑動(dòng)窗口的ICA算法動(dòng)態(tài)分離胎兒心電[J].工業(yè)控制計(jì)算機(jī)，2011，24（6）：1-3.

　　[17] 程小慧.動(dòng)態(tài)盲源分離及其在生物醫(yī)學(xué)信號(hào)處理中的應(yīng)用研究[D].合肥：安徽大學(xué)，2011.

　　[18] BARROS A K， CICHOCKI A. Extraction of specific signals with temporal structure[J]. Neural Computation， 2001（13）：1995-2003.

　　[19] Zhang Zhilin， Zhang Yi. Extraction of temporally correlated sources with its application to non-invasive fetal electrocardiogram extraction[J]. Neurocomputing， 2006，69（7-9）：894-899.

　　[20] 孟海濤，張智林.一種新的胎兒心電圖提取算法[J].電子科技大學(xué)學(xué)報(bào)，2007，36（3）：640-645.