چکیده: سنجش فشرده یا حسگری فشرده (CS) روش جدیدی برای اخذ و بازسازی سیگنال های دیجیتالی است که امروزه در بسیاری از کاربردها از آن استفاده می شود. در این روش که از خاصیت تُنُک بودن سیگنال ها استفاده می شود، نمونه های لازم برای بازسازی سیگنال اصلی کمتر از نرخ نمونه برداری نایکوئیست می باشند. در این پایان نامه رویکردی برای استخراج موج های QRS جنین از سیگنال بطنی مادر، پس از بازسازی سیگنال نمونه برداری شده به روش حسگری فشرده مورد بررسی قرار گرفته است. در این رویکرد، به کمک روش یادگیری واژه نامه K-SVD و بهینه سازی ماتریس اندازه گیری، چارچوبی برای حسگری فشرده سیگنال های الکتروکاردیوگرام فراهم شده تا با استفاده از تکنیک تحلیل مؤلفه های مستقل (ICA)، بتوان مؤلفه های مستقل سیگنال از جمله ECG جنین و ECG مادر را در حوزه حسگری فشرده جداسازی نمود. در نهایت تنها مؤلفه مربوط به ECG جنین از حالت فشرده خارج شده و در نتیجه نیازی به بازسازی تمام مؤلفه های سیگنال نیست. چارچوب مطرح شده را بر روی مجموعه داده مصنوعی و واقعی پایگاه داده فیزیونت ارزیابی کردیم. با انجام آزمایشات بر روی مجموعه A از مجموعه داده های واقعی FECG فیزیونت، میانگین معیار حساسیت و میانگین معیار قابلیت پیش بینی برای رویکرد پیشنهادی با نرخ فشرده سازی 25%، به ترتیب 78.33% و 67.32% محاسبه شدند.