随着人们的工作和生活压力不断增大,心血管疾病已成为一种常见疾病,患心血管疾病而猝死往往是由突发的室性心动过速引起的。许多研究表明,心室晚电位(Ventricular Late Potentials, VLP)绝大多数发生于心肌梗塞患者,可独立的作为一项预测室性心率失常的指标。VLP一般出现在QRS波末端并延伸至ST段,表现为一系列碎裂的高频、低幅微弱电信号,其幅值一般不超过25μV,能量主要集中在40-300Hz,其最重要的临床意义在于预测室性心率失常和心脏性猝死,因此,正确的检测VLP显得至关重要。目前,常用的时域检测法在存在着晚电位检出率不易提高的缺点；频域分析法存在频率分辨率不高的缺点；频谱标测分析法在提取判断晚电位的标准参数时易受到分析时段的选取、QRS波终点定位准确度的影响。因此,为提高VLP的检测准确率,需提出一种新的信号检测技术。由于VLP信号相对于正常心电信号(Electrocardiogram, ECG),二者是独立的,而通过独立分量分析(Independent Component Analysis, ICA)算法可以从ECG中将相对较大的瞬时独立分量的时间过程准确地分辨出来,故可以用于VLP的识别。本文主要研究从单导联观测信号中提取VLP的盲源分离(Blind Source Separation, BSS)方法,首先介绍了BSS和小波(包)分析的基本知识,阐述了小波(包)分析在ECG信号处理中的应用。其次,对快速独立分量分析(Fast Independent Component Analysis, FastICA)算法进行改进,结合相关函数,提出一种RFastICA算法。该方法是将负熵乘以一个与待提取信号有关的相关函数,得到一个新的独立性度量函数,以此推导出向量梯度,作为算法的迭代公式来实现混合信号的盲源分离。通过实验仿真对比RFastICA与传统的FastICA算法,结果表明,RFastICA具有良好的分离性能。最后,采用改进的算法对单导联VLP信号进行提取。采用小波包变换技术对单导联观测信号进行分解,根据VLP信号发生的频段,重构相关成分作为另一路观测信号,两路观测信号共同组成RFastICA算法的输入信号,进而将正常ECG信号与VLP信号完全分离,通过仿真实验,证实了该方法应用于单导联VLP提取的优越性。本文采用小波包分析和RFastICA相结合的方法完成了对单导联观测信号的分离,准确地提取了VLP信号,克服了常用的时域检测法、频域检测法和频谱标测分析法的缺陷,提高了信号分离的精度。