1.基于遗传约束盲源分离的胎儿心电精确提取方法，其特征在于：包括以下步骤，步骤一、利用特征值分解对观测信号X进行白化；

步骤二、获取多路参考信号R；

步骤三、利用遗传算法求解混合矩阵W，首先将解混合矩阵W的求解问题转化为遗传算法适应的组合优化问题，确定W每个元素的大致范围和编码长度，并对解混合矩阵W进行编码以及随机产生n×m个个体组成的初始种群P(0)；

步骤四、选定合适的遗传算法参数：终进化迭代数G、交叉概率Pc以及变异概率Pm；

步骤五、利用参考信号与分离信号相关性为目标函数，将初始种群P(0)中各个个体解码成对应的参数值，并求取相应的代价函数和适应函数值，再应用复制、交叉和变异算子对种群P(t)进行操作，产生下一代种群P(t+1)，重复以上操作，直到参数收敛或者达到预定的指标，计算最终种群即得到最优解混合矩阵W′，在最优解混合矩阵W′分离胎儿心电，产生偏差后进入下一步自学习与解混合矩阵W的自调整；

步骤六，实现解混合矩阵W的自适应在线调整，提取胎儿心电信号；

其中，所述的遗传算法适应的组合优化，是利用遗传算法求解混合矩阵W，通过Y＝WX分离出胎儿心电信息及母体心电信息；X为观测信号，Y为期望提取的胎儿心电信息及母体心电信息矩阵，依据与参考信号R相关性对遗传信息量进行调整，并进入下次寻优过程，反复按照步骤一至步骤五进行操作，最终实现解混合矩阵W实时调整，用于胎儿信号分离；

遗传算法适应的组合优化流程可表述为：

①、对解混合矩阵W进行染色体编码，随机产生初始种群；

②、对染色体进行复制、交叉和变异操作，并对操作后的染色体解码得到新参数；

③、利用新参数分解采集到的混合心电信息，并代入代价函数验证是否是最优选择；

④、群体适应度统计并产生新的群体；

⑤、判断新群体是否稳定，若不稳定则返回操作步骤二，若稳定则输出最优解混合矩阵W′，然后再分离混合心电信息，进而获取纯净的胎儿心电信息及母体心电信息；

所述的对解混合矩阵W进行染色体编码的方法是：采用多参数映射二值编码，即在一条染色体上，解混合矩阵中任一元素Wi,j可用一个二进制编码k表示，其中k＝log2(|b-a|)+c,其中，b为解混合矩阵W中最大值，a为解混合矩阵W的最小值，c为保留的有效数字，此处，b、a根据盲源分离的解混合矩阵W设定，c根据不同的运行环境设定，故，任一元素Wi,j编码可表示Wi,j＝{bkbk-1...b1},此处，bk∈{0，1}，则任一元素Wi,j的解码公式如下：根据解混合矩阵W的元素数确定染色体的子串数，在此为12个子串，可表示为：

0010001100010000|0010001111010000|0010001100010011|0010001100011100|

0011101100010000|0010001110010000|0010001100011001|0010111100010100|

0010001100000000|0100001100010000|0010000011010000|0010001100011110|；

所述的群体适应度统计并产生新的群体，利用适应度函数评价产生的新一代的种群中各个个体解码对应的参数值是否收敛或者达到预定的指标，当参数收敛或者达到预定的指标时计算最终种群即得到最优解混合矩阵W′，适应度函数的求解方法是：利用参考信号的相关性验证是否达到最优解，直到遗传算法的参数收敛或者达到预定的指标，其中，根据参考信号个数，可搭建代价函数为 此处yi＝wiTX,i为参考信号的个数，i＝1,2，解混合矩阵 其判断条件为|J(yi)k+1-J(yi)k|＜ε，ε为一个足够小的数；

适应度函数为

F＝C/J

n

其中，C＝10，n为整数，当个体的适应度相差较大时n<0，否则n≥0。