摘  要： 胎兒心電信號提取是一個復雜的信號處理問題。本文首先對自適應濾波技術、獨立分量分析方法和盲源提取技術等三種典型的胎兒心電提取方法的基本原理進行了闡述，然后對各方法的改進研究也進行了綜述，并對比分析了三種方法的優(yōu)缺點，指出基于二階統(tǒng)計量盲提取方法，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，計算量小，便于在線實時處理，在今后的應用中將會有廣闊前景。

　　關鍵詞： 胎兒心電；自適應濾波；獨立分量分析；盲提取

0 引言

　　圍產(chǎn)期胎兒心電的監(jiān)護對于孕婦和胎兒的健康至關重要，目前主要通過監(jiān)測心音、心動和心電圖的變化來診斷胎兒在子宮內的發(fā)育狀況。其中，胎兒心電圖最能體現(xiàn)胎兒心臟活動，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，比心音和心動信號更為敏感，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，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，而且可能對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、肌電信號等噪聲的混合信號。一直以來，如何從母體腹部混合信號中提取清晰的胎兒心電信號，是國內外學者廣泛關注的熱點問題。從最早的自適應濾波法提取胎兒心電開始，獨立分量分析法，奇異值分解法，小波變換法，神經(jīng)網(wǎng)絡法等相繼被用來提取胎兒心電，胎兒心電提取技術得到了不斷的改進和發(fā)展，本文將對目前比較典型的胎兒心電提取方法的研究現(xiàn)狀進行綜述和分析，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，這對于圍產(chǎn)期監(jiān)護作用非比尋常。早期的提取方法中，以自適應濾波法的應用最多，清華大學周禮杲就對胎兒心電的提取進行了深入的研究，提出了相干平均法、匹配濾波法、自適應濾波法，并且基于自適應濾波技術設計了胎兒心電圖儀器。

　　1.1 自適應濾波技術

　　自適應濾波法是通過不斷地調整自適應濾波器的參數(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。利用自適應濾波方法提取時，通常需要兩路信號，一路是腹部母體心電信號、胎兒心電信號以及其他噪聲干擾混合信號，另一路是母體胸部采集的母體心電信號。以胸部信號為參考輸入，通過相應的自適應算法不斷調整濾波器的系數(shù)，從而達到提取清晰的胎兒心電信號的目的，自適應抵消法提取的原理如圖1所示。

　　常用的自適應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，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，誤差相對較小，在開始階段濾波器中母體心電干擾較少。

　　1.2 獨立分量分析方法

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

　　獨立成分分析是在假定各源信號統(tǒng)計獨立的基礎上建立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、肌電信號等相互獨立，經(jīng)過母體腹部傳輸?shù)礁贡诘倪^程為一個線性瞬時混合過程，則通過m個傳感器檢測到一組觀測信號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以及腹部傳導特性的情況下，僅由觀測信號X求出分離矩陣W，從而將源信號分離出來，并且分離的各個成分之間統(tǒng)計獨立，以此達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FastICA算法，Informax算法利用神經(jīng)網(wǎng)絡進行學習，在變化的環(huán)境中可以快速的自適應，但是這種方法收斂速度太慢，而且收斂的速度取決于學習速率的選擇，如果學習速率選擇不當，有可能不收斂。而FastICA就是一種更為可靠的定點迭代算法，它包括極大化峭度的FastICA和極小化負熵的FastICA。前者以峭度值作為非高斯性的度量，對外部變化較為敏感，樣本中任何一個不恰當?shù)闹刀加锌赡苁骨投戎底兇?，算法魯棒性能差，所以應用較少。

　　1.3 盲源提取技術

　　盲源提取技術同樣建立在盲信號處理的基礎上，相比于獨立分量分析，盲提取只提取感興趣的信號，可以只提取出胎兒心電信號，主要通過二階統(tǒng)計量和四階統(tǒng)計量來實現(xiàn)[2]。前者一般利用胎兒心電信號的時間周期結構和自相關性建立目標函數(shù)，計算量較小，算法簡單，但是對于時間延遲的估計依賴較大；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函數(shù)，此方法建立在對峭度值估計的基礎上，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，參考文獻[3]則將噪聲考慮在內，分別利用胎兒心電的周期性和非高斯性提取胎兒心電，這種方法更符合實際情況，因此更適合實際應用場合。利用二階統(tǒng)計量方法盲提取胎兒心電，計算簡單，并且能夠保證只提取胎兒心電，但是大多需要估計胎兒心電的時間周期，算法的提取性能受到了時間延遲估計的限制。

2 對提取方法的改進策略和進一步研究

　　2.1 對自適應濾波技術的改進研究

　　自適應濾波法的收斂效果與步長設置息息相關，如果步長較小，失調較小，但收斂時間過長；如果步長設置過大，又可能造成發(fā)散，無法有效的分離。參考文獻[4]提出截斷誤差的LMS算法加快收斂速度；針對LMS算法收斂速度慢的缺點，參考文獻[5]改進了LMS算法濾波器的權系數(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，使權系數(shù)的更新與濾波同時進行，達到提高收斂速度的目的。

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

　　2.2 獨立分量分析方法的改進研究

　　參考文獻[9]對傳統(tǒng)的ICA分離算法進行了仿真比較，基于自然梯度的Infomax算法可以分離超高斯信號或者亞高斯信號，但不能同時分離超高斯和亞高斯信號；改進的Infomax算法可以自適應地確定激活函數(shù)，分離同時存在超高斯和亞高斯分布的源信號；快速固定點算法也可以分離同時存在超高斯和亞高斯分布的混合信號。其中，快速ICA算法不需要選擇學習速率，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，因此有待進一步研究全局尋優(yōu)問題。

　　針對傳統(tǒng)ICA方法容易陷入局部極優(yōu)解的缺陷，文獻[10]將遺傳算法與基于峭度的ICA相結合，保證算法能夠達到全局最優(yōu)解，而且有效地提取胎兒心電；文獻[11]改進了FastICA算法的正交化方法，采用對稱正交的方法，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[12]、[13]將FastICA和小波閾值去噪相結合，使得分離效果更為清晰；針對獨立分量分析分離順序的不確定問題，參考文獻[14]將PCA與ICA方法結合，求分離信號的相關系數(shù)來分辨胎兒心電；參考文獻[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，考慮到實際應用的需要，參考文獻[16]、[17]提出動態(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 盲源提取技術的改進

　　盲源提取大多需要估計胎兒心電的延遲周期，對時間延遲估計較為敏感，如果估計誤差較大則可能會導致不能提取胎兒心電，一旦時間延遲確定，不僅計算量小，而且提取效果較好，因此時間延遲的估計結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[18]最小化均方差函數(shù)，利用梯度下降法，通過觀測信號在不同的時間延遲的自相關特性來提取胎兒心電信號。參考文獻[19]則最大化自相關函數(shù)作為目標函數(shù)求解。前者提取效果較好，但受時間延遲影響較大，后者提取的胎兒心電摻雜有一些噪聲。參考文獻[20]提出了信號的協(xié)方差矩陣的特征值分解法，這種方法解決了二階統(tǒng)計量法過度依賴時間周期性的缺陷，速度更快，只要時間周期估計誤差不是很大，都可以保證信號很好地分離出來。參考文獻[21]利用源信號的非高斯性和時間自相關特性建立目標函數(shù)和相應的梯度下降算法，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系，僅僅在給定合適迭代步長時，算法才能取得較好的提取效果。參考文獻[22]利用近似牛頓法結合信號的非高斯性和自相關性建立了目標函數(shù)，與已有的梯度算法相比，由于不涉及迭代步長，特別適合信號的盲提取。

3 三種研究方法的對比分析

　　自適應濾波方法計算簡單，便于進行在線處理，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，而且當母體心電QRS波和胎兒心電QRS波重疊時，使用自適應濾波算法則不能達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行了很多研究，但是同時帶來的是復雜的計算過程，因此從實際應用的角度來講，效果并不理想。

　　獨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、母體心電等各個獨立分量分別提取出來，但ICA算法分離大多采用批處理算法，不能進行在線處理，而且由于源信號及混合系統(tǒng)的先驗知識較少，分離結果存在著信號順序不確定和幅度不確定問題，對此雖然也提出了多種改進算法，但算法大都比較復雜，計算量過大，不利于實際應用。除此之外，ICA方法對于通道數(shù)目的要求也比較嚴格，如果通道數(shù)小于源信號數(shù)，則源信號不好分辨，導致不能提取到純凈的胎兒心電。通道數(shù)大于源信號數(shù)，則提取的信號混雜噪聲較多，需要進行降維處理來減少噪聲。

　　基于二階統(tǒng)計量盲提取的方法，相關函數(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，需要估計胎兒心電的延遲周期，對時間延遲較為敏感。但是這種方法只提取胎兒心電，因此計算量小便于在線處理，這些都有利于實際應用開發(fā)，而且這種方法對通道數(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)護的長遠發(fā)展來看，如果結合自適應處理方法，考慮對延遲時間進行自適應的尋找，那么這種方法在實際應用場合更有前景。

4 結束語

　　本文對典型的三種胎兒心電提取方法的研究現(xiàn)狀進行了綜述，敘述了每種提取方法的基本原理，并對各自的優(yōu)缺點進行了分析，對部分改進算法也進行了分析，最后從實際應用的角度對三種算法進行了綜合對比，指出基于二階統(tǒng)計量盲提取方法在今后的應用中將會更有前景。

　　物聯(lián)網(wǎng)技術的蓬勃發(fā)展使得胎兒心電監(jiān)護開始走向個人化和家庭化，移動便攜式的監(jiān)護產(chǎn)品和遠程心電監(jiān)護的出現(xiàn)對于胎兒心電提取技術提出了更高的要求，因此有效的在線處理算法是走向實際應用的唯一途徑，未來可以開發(fā)以二階統(tǒng)計量盲提取為基礎，結合自適應處理的盲提取算法。

參考文獻

　　[1] 蔡坤寶，冀志華.應用獨立成分分析的胎兒心電信號提取[J].重慶大學學報，2009，32（3）：332-336.

　　[2] 馬明.胎兒心電盲源提取算法性能比較[C].2011年亞太青年通信學術會議論文集（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濾波器仿真對比研究[J].南京理工大學學報，2011，35（6）：847-852.

　　[5] 洪少春.基于LMS改進算法的自適應濾波器在胎兒心電監(jiān)測中的應用[J].邵陽學院學報（自然科學版），2007，4（3）：24-28.

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

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

　　[8] 李章勇，謝正祥，牛永紅.自適應干擾對消技術提取胎兒心電的可視化仿真實現(xiàn)[J].上海生物醫(yī)學工程，2001，22（4）：13-17.

　　[9] 閆彩虹，曾孝平.基于ICA的胎兒心電信號提取算法的比較[J].重慶工學院學報（自然科學），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提取[J].數(shù)據(jù)采集與處理，2010，25（5）：600-604.

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

　　[12] 蔡坤寶，冀志華.應用獨立分量分析的胎兒心電信號提取[J].重慶大學學報，2009，32（3）：332-336.

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

　　[14] 李文娟，郭曉靜，吳小培.結合ICA和PCA方法的胎兒心電提取[J].計算機技術與發(fā)展，2007，17（8）：223-229.

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

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

　　[17] 程小慧.動態(tài)盲源分離及其在生物醫(yī)學信號處理中的應用研究[D].合肥：安徽大學，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].電子科技大學學報，2007，36（3）：640-645.