本文選題：腦電信號 + 高性能并行計算　； 參考：《燕山大學》2012年碩士論文

【摘要】：人腦是復雜的非線性系統(tǒng)，腦電信號的研究是當今生命科學的重要前沿領域之一。腦電信號處理對于腦部相關疾病的檢測、診斷和治療至關重要，然而腦電信號的研究涉及到大量的腦電信號數(shù)據(jù)的采集和計算，大量神經數(shù)據(jù)的存儲、管理和利用是一個巨大的挑戰(zhàn)。尖端高性能計算技術應用于解決計算和數(shù)據(jù)密集型的神經問題仍處于起步階段，本文在對不同腦電信號處理方法進行研究的基礎上，將高性能并行計算技術引入到腦電信號的分析中，利用高性能并行計算技術中的基于中央處理器(Central Processing Unit，CPU)的線程池技術和基于圖形處理器(GraphicProcessing Unit，GPU)的多線程技術對計算密集型腦電信號處理方法進行并行研究，開發(fā)了并行程序，提高了原有算法的計算精度和研究尺度，將并行設計后的算法用于腦電信號處理，輔助腦電信號的研究和分析，減少研究人員的工作量，縮短研究周期。 首先，對并行計算的設計方法及目的進行了研究，選取適合本課題的并行解決方案和技術平臺：基于CPU多線程的線程池技術和基于GPU的CUDA(Compute UnifiedDevice Architecture，統(tǒng)一設備架構)編程模型。分別對這兩種技術進行原理和性能兩方面的研究，開發(fā)相應程序。 其次，對單通道腦電信號處理方法總體經驗模態(tài)分解算法(Ensemble EmpiriealMode Decomposition，EEMD)進行并行化研究。EEMD非常適合用于非平穩(wěn)、非線性的腦電信號分析，然而EEMD屬于密集型計算，算法中存在大量并行的成份，本文從不同層次對該算法進行并行化研究，應用CPU多線程中的線程池技術和GPU多線程的CUDA并行技術分別對算法進行并行設計，相比于并行之前的算法，并行后算法的執(zhí)行效率有了很大的提高，本文同時結合希爾伯特黃變換(Hilbert-HuangTransform，HHT)方法對癲癇信號進行分析，提取出更多物理特性，為癲癇的預測和診斷提供了依據(jù)。 最后，并行研究由單通道腦電信號分析方法擴展到雙通道、多通道腦電信號分析方法，對雙通道腦電信號分析方法中的非線性相關性(Non-linear Interdependency，NLI)算法進行了并行化設計。NLI算法是一種非對稱測量方法，用于判斷兩個序列間的耦合方向，可以得到兩個序列的驅動和響應關系，但是NLI算法應用起來計算量大，不僅耗費時間而且難以向多通道腦電信號分析擴展，，本文主要應用基于GPU的CUDA技術，挖掘NLI算法的并行化成分，通過對多通道腦電信號進行NLI并行化設計，加速了算法并擴大了算法的應用尺度，使并行化NLI算法可以應用于多通道腦電信號的耦合方向分析中，并結合S估計器的方法，對多通道癲癇腦電信號進行了同步強度的分析，該方法為癲癇的發(fā)作和傳播機制的研究提供了重要信息。
[Abstract]:Human brain is a complex nonlinear system, and the research of EEG is one of the important frontier fields of life science.EEG signal processing is very important for the detection, diagnosis and treatment of brain related diseases. However, the research of EEG signal involves the collection and calculation of a large amount of EEG data and the storage of a large amount of neural data.Management and utilization is a huge challenge.The application of cutting-edge high-performance computing technology in solving computational and data-intensive neural problems is still in its infancy.The high performance parallel computing technology is introduced into the analysis of EEG signals.Using the thread pool technology based on Central Processing Unit (CPU) and the multithread technology based on GraphicProcessing Unit (GPU) in high performance parallel computing technology, the computational intensive EEG signal processing method is studied in parallel, and a parallel program is developed.The calculation precision and research scale of the original algorithm are improved. The parallel designed algorithm is used in EEG signal processing to assist the research and analysis of EEG signal, to reduce the workload of researchers and shorten the research period.Firstly, the design method and purpose of parallel computing are studied, and the programming model of parallel solution and technology platform: thread pool technology based on CPU multithreading and CUDA(Compute UnifiedDevice architecture based on GPU are selected.The principle and performance of the two technologies are studied, and the corresponding programs are developed.Secondly, the parallelization of the general empirical mode decomposition algorithm Ensemble EmpiriealMode Decomposition.EEMD is very suitable for the analysis of non-stationary and nonlinear EEG signals. However, EEMD is a kind of intensive computation.There are a lot of parallel components in the algorithm. This paper studies the parallelization of the algorithm from different levels, applies the thread pool technology of CPU multithreading and the CUDA parallel technology of GPU multithreading to design the parallel algorithm respectively.Compared with the parallel algorithm, the efficiency of the parallel algorithm has been greatly improved. At the same time, we use Hilbert-Huang transform HHT method to analyze the epileptic signal and extract more physical properties.It provides a basis for the prediction and diagnosis of epilepsy.Finally, the parallel research is extended from single-channel EEG analysis to two-channel, multi-channel EEG analysis.In this paper, the parallel design of nonlinear dependence NLI (nonlinear dependence NLI) algorithm, which is used to determine the coupling direction between two sequences, is presented.The driving and response relationships of the two sequences can be obtained, but the application of NLI algorithm is time-consuming and difficult to extend to the multichannel EEG analysis. This paper mainly applies the CUDA technology based on GPU.The parallelization component of NLI algorithm is mined, and the NLI parallelization design of multichannel EEG signal is carried out, which accelerates the algorithm and expands the application scale of the algorithm. The parallelized NLI algorithm can be applied to the coupling direction analysis of multichannel EEG signals.The synchronous intensity of multi-channel epileptic EEG signal is analyzed by using S-estimator, which provides important information for the study of seizure and transmission mechanism.
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TN911.6;R318.0

【相似文獻】

相關期刊論文 前10條

1 孫家昶;并行計算環(huán)境與數(shù)值并行算法研究[J];小型微型計算機系統(tǒng);1995年02期

2 雒戰(zhàn)平,劉之行;有限元并行計算的MPI程序設計[J];西安交通大學學報;2004年08期

3 苑明哲,于海斌,周悅;流水線型并行控制器[J];控制理論與應用;2004年04期

4 李俊照,羅家融;基于linux集群的并行計算[J];計算機測量與控制;2004年11期

5 劉羽,盧振曉,邱南輝;基于PVM的機群實驗系統(tǒng)的建立及應用[J];廣西工學院學報;2005年02期

6 武俊生,謝桂芳;淺談“并行計算”與COW實踐[J];電力學報;2005年02期

7 邊根慶,邵必林,魏小寧;基于CDT的幾乎同態(tài)問題探討[J];微電子學與計算機;2005年08期

8 韓巍;陳之龍;吳平東;;平滑偽Wigner-Ville分布在腦電信號處理中的應用[J];電子科技;2006年01期

9 葛德彪;楊利霞;;各向異性介質FDTD分析及其并行計算[J];系統(tǒng)工程與電子技術;2006年04期

10 蔣鵬;;塊對角線性方程組的一種分布式并行迭代算法[J];西安郵電學院學報;2006年03期

相關會議論文 前10條

1 崔建國;王旭;;基于光纖隔離與通訊的生物電信號放大方法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學會第21屆全國代表大會暨學術會議論文摘要匯編[C];2002年

3 趙麗;萬柏坤;高揚;;基于腦電信號α波的電動小車控制系統(tǒng)研究[A];《制造業(yè)自動化與網絡化制造》學術交流會論文集[C];2004年

4 王行愚;;基于腦電信號的人機融合控制[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

5 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學工程學會2007年學術年會論文摘要集[C];2007年

6 賈文艷;趙香花;高小榕;高上凱;楊福生;;2003年腦機接口數(shù)據(jù)競賽論文之五——想像左右手運動的單次腦電信號分類[A];首屆全國功能神經影像學和神經信息學研討會論文匯編[C];2003年

7 周紅標;;基于小波包變換和最小二乘支持向量機的癲癇腦電信號識別[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

8 張偉;田心;;癲癇腦電整體及小波分量的相位同步性[A];天津市生物醫(yī)學工程學會2007年學術年會論文摘要集[C];2007年

9 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應拓撲圖[A];中國儀器儀表學會第三屆青年學術會議論文集（上）[C];2001年

10 王嬈芬;張建華;王行愚;;基于ICA和FCM算法的操作員腦電信號眼電偽跡自動去除研究[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

相關重要報紙文章 前10條

1 軼嘉;英特爾全球首個并行計算中心落戶無錫[N];人民郵電;2009年

2 江錫民;英特爾并行計算中心落戶無錫[N];新華日報;2009年

3 劉琦;伯克利專家展望未來并行計算[N];中國計算機報;2008年

4 均兒;通用計算核動力[N];電腦報;2009年

5 本報記者 馬文方;英特爾為何要牽頭并行計算[N];中國計算機報;2009年

6 英特爾并行計算實驗室研究員 TimothyMattson;并行計算:減少串行軟件[N];中國計算機報;2007年

7 英特爾 趙軍(Jun Zhao);PC機并行計算革命尚未成功[N];中國計算機報;2009年

8 ;并行計算成PC產業(yè)發(fā)展瓶頸[N];人民郵電;2008年

9 劉霞;計算能力的提升需要一場革命[N];科技日報;2010年

10 張云泉;并行計算：迎接多核時代的挑戰(zhàn)[N];計算機世界;2006年

相關博士學位論文 前10條

1 陳軍;分布式存儲環(huán)境下并行計算可擴展性的研究與應用[D];中國人民解放軍國防科學技術大學;2000年

2 尹欣;三維彈性問題邊界元法并行計算及其工程應用[D];清華大學;2000年

3 陳曉春;基于并行計算的大渦模擬方法及其工程應用基礎研究[D];西安建筑科技大學;2004年

4 王開健;基于特大增量步算法的網絡并行計算[D];清華大學;2005年

5 張理論;面向氣象預報數(shù)值模式的高效并行計算研究[D];中國人民解放軍國防科學技術大學;2002年

6 寇哲君;可擴展沖擊—接觸并行計算及其在汽車碰撞模擬中的應用[D];清華大學;2003年

7 劉麗;人工免疫網絡研究及應用[D];江南大學;2008年

8 張美云;阿爾茨海默病腦電信號多尺度時空定量特征研究[D];天津醫(yī)科大學;2012年

9 趙巖斌;腦電數(shù)據(jù)的函數(shù)分析方法[D];東北師范大學;2011年

10 石立臣;基于腦電信號的警覺度估計研究[D];上海交通大學;2012年

相關碩士學位論文 前10條

1 張新;腦電信號分析在認知功能中的研究[D];重慶大學;2010年

2 劉友友;基于多類運動感知腦電的異步腦—機接口的研究[D];山東大學;2010年

3 趙建林;癲癇腦電信號識別算法及其應用[D];山東大學;2010年

4 王娟;慢性痛多通道腦電信號分析[D];燕山大學;2011年

5 李竇哲;腦—機接口系統(tǒng)中腦電信號采集與特征識別[D];山西大學;2010年

6 張倩華;腦電信號的非廣度熵分析[D];汕頭大學;2004年

7 張道信;基于小波和獨立分量分析的腦電信號處理[D];安徽大學;2002年

8 勾慧蘭;1/f波電刺激前后腦電功率譜和復雜度的分析研究[D];河北科技大學;2010年

9 李縣輝;腦電信號的小波相關與互信息分析[D];汕頭大學;2003年

10 姜波;多自由度智能假手控制系統(tǒng)的研究[D];大連理工大學;2005年

本文編號：1764051