胎兒心電信號為胎兒異常情況的早期診斷和干預提供了重要的臨床信息，本文提出一種胎兒心電信號提取與分析的新方法。首先，將改進的快速獨立成分分析（FastICA）法和奇異值分解（SVD）算法結合，來提取高質量胎兒心電信號并解決波形缺失問題。其次，運用一種新的卷積神經網絡（CNN）模型識別胎兒心電信號QRS復合波，并有效解決波形重疊問題。最終，實現胎兒心電信號的高質量提取與胎兒QRS復合波的智能識別。以復雜生理信號研究資源網2013年心臟病學計算挑戰賽（PhysioNet2013）數據庫資料對本文所提方法進行驗證，結果表明該提取算法平均靈敏度與陽性預測值為98.21%和99.52%；QRS復合波識別算法平均靈敏度與陽性預測值為94.14%和95.80%，相較于其他研究成果均有較好的提升。綜上，本文提出的算法與模型具有一定的實踐意義，今后或可為臨床醫學決策提供理論依據。