提取纯净的胎儿心电信号(Fetal Electrocardiography，FECG)对宫内胎儿疾病临床诊断具有重要意义。本文在提取FECG的研究中，采用了两类算法：自适应滤波和独立分量分析。自适应滤波可以在没有信号先验统计知识的条件下，通过自学习来适应外部随机环境的变化，逐渐逼近最佳滤波效果。最小均方(Least Mean Square，LMS)算法是应用最广的自适应算法之一。独立分量分析(Independent Component Analysis，ICA)算法，是近十年来伴随着盲信号分离技术的发展而出现的一种新的分析方法。本论文首先分析了国内外研究现状及胎儿心电信号的特点，然后分别介绍了LMS算法原理、ICA的定义、假设条件及估计原理，ICA方法是通过一种学习法则，从观察信号中恢复出尽可能地逼近源信号的相互独立的信号。本论文研究了LMS算法、信息最大化ICA(Infomax ICA)和快速固定点ICA(Fast Fixed-Point ICA，Fast ICA)在提取胎儿心电信号中的应用。仿真结果表明：用ICA算法提取FECG，其性能明显优于LMS算法；Fast ICA因其不需要进行学习率的选择，故改进了信息最大化ICA因学习率选择不当而带来算法不收敛的问题。实测信号的运行结果进一步验证了Fast ICA算法的有效性。