Matlab导联胎儿心电信号提取与分析仿真+ICA算法(6)
从图8和图10我们可以观察到提取出的信号与源信号相比，清晰度高，分离结果很明显，尽管由于ICA的不确定性带来的影响，即将分离信号跟实际源信号相比，在幅度上有差异，且分离信号的排列顺序与源信号的排列的顺序不一样。但是，我们所关心的是独立源信号的波形，其幅度信息则是次要的。可以假设源信号的方差为1，将幅度信息转移到混合矩阵中去。因此，ICA分离结果是可以满足我们的要求，达到成功分离胎儿心电的目的。
4. 胎儿心电信号的提取仿真
4.1 胎儿心电信号提取
胎儿心电的提取是围产期的一项重要监测项目。其目的是了解怀孕期间胎儿心脏的健康状况（胎儿成熟程度、胎位等）。通常情况下，都是在母体腹壁放置若干体表电极用来测量胎儿心电(FECG)。然而，测得的信号中时常会夹杂一些噪声和干扰。其中，母亲心电(MECG)是最强的干扰噪声。此外，工频干扰、呼吸、肌电等噪声也很常见的。这些成分在观测值中是混合着的，混合系数决定于身体的几何因素和软组织的导电率，因此它们基本上是恒定的，而且这些信源间相互独立，符合ICA的基本要求，所以采用ICA技术来提取FECG是一项可行的办法。
已经有许多采用其他技术来提取FECG的报道，如匹配滤波、自相关与互相关、自适应噪声抵消等。采用ICA来提取FECG，并且把所得结果与自适应噪声抵消所得结果（采用多个取自母亲胸部的心电作为参考信号）进行了比较。ICA方法的提取质量和稳健性都优于其他方法。
4.2 胎儿心电信号仿真
首先，利用ICA算法对图3合成的8导混合信号进行分离提取，分离结果如图10所示，其中第1条曲线可用来代表母亲呼吸的噪声，第2、5、7条曲线可用来代表某些未知噪声。第6、8条曲线可用来代表母亲心电信号成分。第3、4条曲线可用来代表胎儿电信号成分，其中有三条最为清晰。
通常情况下，母体电信号电流可以近似用一个三文的向量信号来逼近[13]，也就是说，不妨用三个独立的一文信号来近似，因此，母体的心电信号和胎儿的心电信号在图中分别形成3个、2个的独立成分。然而要产生胎儿心电信号电流并不是一定要用3个一文独立信号来近似[14]，在不同的围产期，被用来近似它一文独立信号的数目也在不断的发生变化，因此，在本试验中，分离出来的胎儿心电信号成分就有两个。由图10和图3对比可以得出，运用ICA算法能够得到较为清晰的FECG，该算法是可以成功达到分离目的，同时，ICA算法不受电极放置位置的影响，避免了由于过多的人工干预造成误差。 图10 提取出来的8导信号
4.3 胎儿心电信号处理前景和展望
独立成分分析作为信号处理领域[13]新兴的一门处理技术，近年来进入了前所未有的快速发展阶段。它的理论基础在不断的完善，应用领域也在不停的扩大。在很多领域范围，如,生物医学信号处理、无线通信、地质勘探、图像处理等都在逐渐采用ICA技术解决一些实际工程难题。
胎儿心电信号的分析提取问题长久以来得不到很好的解决。一方面，胎儿心电信号在胎儿健康状况诊断方面具有极大的价值；另一方面，由于受各种生物、非生物的噪声与干扰，再加上胎儿心电信号本身又十分微弱，其提取分离成为了信号处理学领域的一大难题。虽然从上个世纪开始，就有许多学者陆续提出了不同有效算法，但在一定程度上都存在一些缺点，比如，基于奇异值分解算法，它只能保证分离出的分量间不相关，而不能保证各个分量彼此统计独立；基于小波分析技术虽然能够取得较为理想的提取效果，然而小波基的选择及其他一些非常重要的相关参数的选择，却始终没有一个统一的方案，对于不同的数据，其参数值都需要作出很大改变，因此实用性不强；而自适应滤波技术受ECG电极放置位置的影响十分敏感，即使在理想条件下，用此方法得到的胎儿心电信号也不尽人意。