胎儿心电（fetal electrocardiogram,FECG）信号能提供胎儿健康状况的重要信息,通过围产期胎儿心电监护可以早期诊断妊娠期及分娩期的胎儿宫内缺氧、窘迫以及先天性心脏畸形、新生儿心率失常、胎儿宫内发育迟缓等疾病,从而降低围产期胎儿的发病率和死亡率。胎心宫缩图（cardiotocography,CTG）是目前在临床中使用最多的胎儿监护技术,但是利用CTG很难获得可靠的瞬时胎儿心率变异信息。胎儿心电信号可以提供高精度的胎儿心率和有价值的胎儿心脏状态信息,是一种更有前景的胎儿监护技术。因此,研究如何得到清晰完整的胎儿心电信号具有重要的应用价值与理论意义。目前非侵入式胎儿心电信号提取方法可以分为组合源方法和腹部源方法。组合源方法需要将电极放置于母体的胸部和腹部获得母体心电信号和腹壁混合信号。腹部源方法仅需要置电极于母体腹部来获得母体腹壁混合信号,更便于临床应用。本论文研究基于深度长短期记忆（deep long short-term memory,Deep LSTM）网络的组合源胎儿心电信号提取方法。首先构建适用于胎儿心电信号提取的深度长短期记忆（Deep LSTM）网络模型;然后以母体心电信号为参考信号,利用该模型从腹壁混合信号中估计母体心电成分并将其抑制,最终提取得到较为清晰的胎儿心电信号。本文分别采用合成数据和实际数据进行实验,实验结果说明针对组合源信号,基于Deep LSTM的胎儿心电信号提取方法是有效的,且其性能优于基于最小二乘支持向量机（least square support vector machines,LSSVM）、模糊神经网络（adaptive neuro-fuzzy inference system,ANFIS）和v-支持向量回归机（v-support vector regression,v-SVR）三种传统机器学习方法的胎儿心电信号提取方法。针对仅包含腹壁混合信号的腹部源信号,本论文研究基于时频盲源分离（blind source separation based on time-frequency distributions,TFBSS）与Deep LSTM的腹部源胎儿心电信号提取方法。该方法首先采用TFBSS从腹壁混合信号中分离得到母体心电信号的估计和胎儿心电信号的估计,然后以母体心电信号的估计作为参考信号,利用Deep LSTM模型从胎儿心电信号的估计中进一步估计得到母体心电成分并将其抑制,最终提取得到较为清晰的胎儿心电信号。采用实际数据进行实验,实验结果说明针对腹部源信号,本论文提出的结合TFBSS与Deep LSTM的胎儿心电信号提取方法能够有效地提取胎儿心电信号,且其性能优于基于TFBSS,Fast ICA和Robust ICA三种传统盲源分离方法的胎儿心电信号提取方法,也优于Fast ICA与Deep LSTM结合,以及Robust ICA与Deep LSTM结合的两种胎儿心电信号提取方法。