在生物医学领域,母胎心电信号对胎儿健康有着深远的意义。腹部电极法采集的心电信号往往是多源混合信号,且包含强烈的肌肤噪声、工频干扰和非生物噪声,胎儿心电在众多强干扰信号下显得十分微弱。该复杂环境下的提取算法一直困扰着许多国内外学者,是信号处理领域的难点。因此,胎儿心电信号的提取可以作为强干扰环境下弱信号提取的一个典型。基于独立成分分析(Independent Component Analysis, ICA)的分离算法是对源信号独立性逼近的算法,受强干扰信号的影响小,适用于胎儿心电提取的应用研究,ICA算法直接对接收到的观测信号处理,拥有良好的实时性和抗干扰能力,成为各国学者研究的热点。生物医学信号在统计上相互独立的特点是本文进行独立分量分析的基本前提。近年来,各国学者针对ICA框架模型,提出了许多优秀的ICA算法。母胎心电信号的特点要求对应的ICA算法有较高的分离精度、抗噪性能和实时性。ICA算法从理论走向应用,其应用领域也在迅速扩展。当前,针对胎儿心电的ICA算法研究甚少,兼具高分离精度和良好抗噪性的ICA算法成为胎儿心电提取的研究热点。本文针对上述问题和研究背景,在前人的基础上进行了如下研究工作：1.首先介绍了母胎心电信号的特点,心电信号的噪声来源,母体与胎儿心电信号的强度关系；2.介绍了ICA算法的基本模型、数学理论,论述了ICA算法中目标函数的主要优化思想,包括极大化估计、极小化估计和非高斯性估计。并对这些思想进行了详细的理论分析；3.针对胎儿心电信号的提取特点,众多ICA算法中,重点选取二阶累积量算法和高阶累积量算法,详细介绍了二阶盲辨识算法(SOBI)和四阶累积量的近似联合对角化(JADE)算法,分析了各自算法的特点和算法结构。对当前单约束准则的目标函数进行修改,引入一种双约束准则的DC-JADE算法。该DC-JADE算法的目标函数同时包含信息论中的极大化思想和极小化思想；4.胎儿心电信号的提取实验时,母胎心电混合信号来源于De Moor的病理心电数据库,研究了二阶盲辨识算法(SOBI)、四阶累积量的近似联合对角化(JADE)算法和DC-JADE算法对母胎心电信号的分离效果。选择分离精度和抗噪性作为指标进行了讨论。然后,将双约束DC-JADE算法和SOBI算法、JADE算法进行分离效果和抗噪性能的对比。选取典型的度量指标,对算法的性能进行评估。实验结果表明,DC-JADE算法不仅能够提取出清晰的胎儿心电信号,且相较于心电分离的其它算法拥有更优秀的分离精度和抗噪性能,可作为强干扰环境下弱信号恢复的一个参考借鉴；5.最后说明了本文研究的改进空间和不足之处,介绍了未来可能的研究方向；