| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 引言 | 第10-15页 |
| ·课题背景及意义 | 第10-13页 |
| ·论文结构 | 第13-15页 |
| 2 胎儿心电信号提取方法综述 | 第15-29页 |
| ·相干平均法 | 第15-17页 |
| ·自相关和互相关 | 第17-19页 |
| ·自适应滤波器 | 第19-26页 |
| ·最小均方误差（LMS）算法 | 第19-23页 |
| ·自适应噪声抵消 | 第23-26页 |
| ·奇异值分解和主分量分析 | 第26-29页 |
| 3 独立分量分析的理论基础及其原理 | 第29-50页 |
| ·独立分量分析发展概况 | 第29-32页 |
| ·独立分量分析发展历史 | 第29-30页 |
| ·独立分量分析的发展现状 | 第30-32页 |
| ·独立分量分析的应用 | 第32页 |
| ·独立分量分析的理论基础 | 第32-43页 |
| ·独立性 | 第33-34页 |
| ·统计知识 | 第34-38页 |
| ·信息论基础 | 第38-43页 |
| ·独立分量分析的原理 | 第43-47页 |
| ·ICA的数学模型 | 第44-45页 |
| ·ICA的不确定性 | 第45-46页 |
| ·分离效果的检验方法 | 第46-47页 |
| ·数据的预处理 | 第47-50页 |
| ·数据的去均值 | 第47-48页 |
| ·数据的白化 | 第48-50页 |
| 4 胎心电提取算法实现及仿真 | 第50-71页 |
| ·ICA 的目标函数 | 第50-54页 |
| ·非高斯性最大化 | 第50-52页 |
| ·互信息极小化（minimizationofmutualinformation，MMI） | 第52-54页 |
| ·ICA的优化算法 | 第54-66页 |
| ·信息极大（Infomax）算法（最大熵算法） | 第54-55页 |
| ·扩展的Infomax算法 | 第55-62页 |
| ·基于峭度的快速固定点（fastICA，FICA）算法 | 第62-66页 |
| ·基于峭度和自相关函数联合最大化的ICA算法 | 第66-71页 |
| ·算法推导 | 第66-69页 |
| ·仿真试验 | 第69-71页 |
| 5 总结与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 致谢 | 第77页 |