基于Matlab自适应滤波算法的胎儿心电信号提取与分析：单输入单输出与多输入单输出系统的对比研究-中猿创新-7zcode

胎儿心电信号（Fetal Electrocardiogram，FECG）提取在产科诊断中具有重要意义。它能够通过非侵入性方式对胎儿的心脏活动进行实时监测，为评估胎儿健康状态以及母胎健康管理提供可靠的支持。相比传统的侵入式检测手段，FECG 提取具有安全、无创、易于操作等优势，因此在现代医疗领域得到了广泛关注。然而，由于胎儿信号在采集过程中受到母体信号的强干扰和环境噪声的影响，目标信号的提取面临显著挑战。母体心电信号（MECG）具有较强的振幅和频谱分布，与胎儿信号（FECG）高度重叠，使得分离胎儿信号成为复杂的问题。因此，发展鲁棒且高效的信号处理方法显得尤为重要。

项目信息

编号：MOG-81
大小：10M

运行条件

Matlab开发环境版本：
– Matlab R2020b、2023b、2024a

项目介绍

胎儿心电信号（Fetal Electrocardiogram，FECG）提取在产科诊断中具有重要意义。它能够通过非侵入性方式对胎儿的心脏活动进行实时监测，为评估胎儿健康状态以及母胎健康管理提供可靠的支持。相比传统的侵入式检测手段，FECG 提取具有安全、无创、易于操作等优势，因此在现代医疗领域得到了广泛关注。然而，由于胎儿信号在采集过程中受到母体信号的强干扰和环境噪声的影响，目标信号的提取面临显著挑战。母体心电信号（MECG）具有较强的振幅和频谱分布，与胎儿信号（FECG）高度重叠，使得分离胎儿信号成为复杂的问题。因此，发展鲁棒且高效的信号处理方法显得尤为重要。

本文提出了一种结合单输入单输出（Single-Input Single-Output, SISO）和多输入单输出（Multiple-Input Single-Output, MISO）系统的自适应滤波方法，用于从母体混合信号中分离胎儿心电信号，并对两种系统的滤波性能进行全面的对比评估。研究中，SISO 系统使用单通道胸部信号作为参考输入，而 MISO 系统则结合了多通道胸部信号作为输入参考信号。两种系统均采用了三种经典自适应滤波算法：最小均方（Least Mean Square, LMS）、归一化最小均方（Normalized Least Mean Square, NLMS）和泄漏最小均方（Leaky Least Mean Square, LLMS）。这些算法通过调整滤波器权重，以最小化输出误差信号，从而逐步提取出目标胎儿信号。

为了全面评估所提出方法的有效性，本文在实验中从多个维度对比了 SISO 和 MISO 系统的性能表现，包括信号分离的准确性、信噪比（Signal-to-Noise Ratio, SNR）的提升、误差信号的最小化等。此外，还结合了多种分析手段，如时频分析（Short-Time Fourier Transform, STFT）、误差信号频谱分析和输入信号的相关性分析，验证滤波器在频域和时间域内的表现及稳定性。

实验结果表明，MISO 系统相较 SISO 系统在分离胎儿心电信号的效果上具有显著的优势。尤其是在采用 LLMS 算法时，MISO 系统不仅能够显著提高目标信号的信噪比，还能有效降低残余误差信号的累积平方和（Cumulative Sum of Squared Errors, CSSE）。此外，MISO 系统得益于多通道输入信号的协同作用，对混合信号中的母体干扰具有更强的抑制能力，进一步提高了目标信号的提取精度。

通过本文的研究，我们不仅展示了 SISO 和 MISO 系统在胎儿心电信号提取中的应用，还揭示了多输入信号在复杂环境下的潜在优势。本研究为胎儿心电信号的提取与分析提供了可靠的技术框架，同时也为智能胎儿健康监测系统的优化设计提供了重要参考。未来工作可以进一步探索自适应滤波算法的改进方向，如引入深度学习技术或优化滤波器结构，以应对更复杂的信号环境和实时处理需求。