生物医学信号是源于一个生物系统的一类信号，像心音、脑电、生物序列和基因以及神经活动等，这些信号通常含有与生物系统生理和结构状态相关的信息，它们对这些系统状态的研究和诊断具有很大的价值。信号拾取、采集和处理的正确与否直接影响到生物医学研究的准确性，如何有效地从强噪声背景中提取有用的生物医学信号是信号处理技术的重要问题。　　 设计自适应滤波器对带有工频干扰的生物医学信号进行滤波，从而消除工频干扰，获得最佳的滤波效果是本研究要解决的问题。生物医学信号具有信号弱、噪声强、频率范围较低、随机性强等特点。由于心电(electrocardiogram，ECG)信号的确定性、稳定性、规则性都比其他生物信号高，便于准确评估和检测滤波效果，本研究采用ECG信号作为原始的模板信号。　　 本研究将新的电子芯片技术与现代信号处理技术相结合，从过去单一的软件算法研究，转向软件与硬件结合，从而提高自适应速度和精度，而且可以使系统的开发周期缩短、成本降低、容易升级和变更。　　 采用现场可编程逻辑器件(Field Programmable Gate Array，FPGA)作为新的ECG快速提取算法的硬件载体，加快信号处理的速度。为了将ECG快速提取算法转换为常用的适合于FPGA芯片的定点数算法，研究中详细分析了定点数的量化效应对自适应噪声消除器的影响，以及对浮点数算法和定点数算法的复合自适应滤波器的各种参数的选择，如步长因子和字长选择。研究中以定点数算法中的步长因子和字长选择，作为FPGA设计的基础，利用串并结合的硬件结构实现自适应滤波器，并得到了预期的效果，准确提取改善后的ECG信号。　　 研究中，在MATLAB(Matrix Laboratry)软件的环境下模拟，选取带有50Hz工频干扰的不同信噪比的ECG原始信号，在浮点数情况下，原始信号通过采用最小均方LMS(LeastMean Squares)算法的浮点数自适应滤波器后，根据信噪比的改善和收敛速度，确定不同的最佳μ值，并在定点数情况下，在最佳μ值的情况下，原始信号通过采用LMs算法的定点数自适应滤波器后，根据信噪比的改善效果和采用硬件的经济性，确定最佳的定点数。并了解LMS算法中步长因子、定点数字长值对信号信噪比、收敛速度和硬件经济性的影响。从而得出针对含有工频干扰的不同信噪比的原始ECG，应该采用什么样的μ值和什么样的定点数才能对原始ECG的改善和以后的硬件实现取得最佳的效果，并根据所得到的数据和结果，在FPGA上实现自适应滤波器，使自适应滤波器能对带有工频干扰的ECG原始信号有最佳的滤波效果。