本文選題：腦電信號(hào) + 高性能并行計(jì)算　； 參考：《燕山大學(xué)》2012年碩士論文

【摘要】：人腦是復(fù)雜的非線性系統(tǒng)，腦電信號(hào)的研究是當(dāng)今生命科學(xué)的重要前沿領(lǐng)域之一。腦電信號(hào)處理對(duì)于腦部相關(guān)疾病的檢測(cè)、診斷和治療至關(guān)重要，然而腦電信號(hào)的研究涉及到大量的腦電信號(hào)數(shù)據(jù)的采集和計(jì)算，大量神經(jīng)數(shù)據(jù)的存儲(chǔ)、管理和利用是一個(gè)巨大的挑戰(zhàn)。尖端高性能計(jì)算技術(shù)應(yīng)用于解決計(jì)算和數(shù)據(jù)密集型的神經(jīng)問(wèn)題仍處于起步階段，本文在對(duì)不同腦電信號(hào)處理方法進(jìn)行研究的基礎(chǔ)上，將高性能并行計(jì)算技術(shù)引入到腦電信號(hào)的分析中，利用高性能并行計(jì)算技術(shù)中的基于中央處理器(Central Processing Unit，CPU)的線程池技術(shù)和基于圖形處理器(GraphicProcessing Unit，GPU)的多線程技術(shù)對(duì)計(jì)算密集型腦電信號(hào)處理方法進(jìn)行并行研究，開(kāi)發(fā)了并行程序，提高了原有算法的計(jì)算精度和研究尺度，將并行設(shè)計(jì)后的算法用于腦電信號(hào)處理，輔助腦電信號(hào)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(duì)并行計(jì)算的設(shè)計(jì)方法及目的進(jìn)行了研究，選取適合本課題的并行解決方案和技術(shù)平臺(tái)：基于CPU多線程的線程池技術(shù)和基于GPU的CUDA(Compute UnifiedDevice Architecture，統(tǒng)一設(shè)備架構(gòu))編程模型。分別對(duì)這兩種技術(shù)進(jìn)行原理和性能兩方面的研究，開(kāi)發(fā)相應(yīng)程序。 其次，對(duì)單通道腦電信號(hào)處理方法總體經(jīng)驗(yàn)?zāi)B(tài)分解算法(Ensemble EmpiriealMode Decomposition，EEMD)進(jìn)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(hào)分析，然而EEMD屬于密集型計(jì)算，算法中存在大量并行的成份，本文從不同層次對(duì)該算法進(jìn)行并行化研究，應(yīng)用CPU多線程中的線程池技術(shù)和GPU多線程的CUDA并行技術(shù)分別對(duì)算法進(jìn)行并行設(shè)計(jì)，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(shí)結(jié)合希爾伯特黃變換(Hilbert-HuangTransform，HHT)方法對(duì)癲癇信號(hào)進(jìn)行分析，提取出更多物理特性，為癲癇的預(yù)測(cè)和診斷提供了依據(jù)。 最后，并行研究由單通道腦電信號(hào)分析方法擴(kuò)展到雙通道、多通道腦電信號(hào)分析方法，對(duì)雙通道腦電信號(hào)分析方法中的非線性相關(guān)性(Non-linear Interdependency，NLI)算法進(jìn)行了并行化設(shè)計(jì)。NLI算法是一種非對(duì)稱測(cè)量方法，用于判斷兩個(gè)序列間的耦合方向，可以得到兩個(gè)序列的驅(qū)動(dòng)和響應(yīng)關(guān)系，但是NLI算法應(yīng)用起來(lái)計(jì)算量大，不僅耗費(fèi)時(shí)間而且難以向多通道腦電信號(hào)分析擴(kuò)展，，本文主要應(yīng)用基于GPU的CUDA技術(shù)，挖掘NLI算法的并行化成分，通過(guò)對(duì)多通道腦電信號(hào)進(jìn)行NLI并行化設(shè)計(jì)，加速了算法并擴(kuò)大了算法的應(yīng)用尺度，使并行化NLI算法可以應(yīng)用于多通道腦電信號(hào)的耦合方向分析中，并結(jié)合S估計(jì)器的方法，對(duì)多通道癲癇腦電信號(hào)進(jìn)行了同步強(qiáng)度的分析，該方法為癲癇的發(fā)作和傳播機(jī)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(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TN911.6;R318.0

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 雒戰(zhàn)平,劉之行;有限元并行計(jì)算的MPI程序設(shè)計(jì)[J];西安交通大學(xué)學(xué)報(bào);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(yīng)用;2004年04期

4 李俊照,羅家融;基于linux集群的并行計(jì)算[J];計(jì)算機(jī)測(cè)量與控制;2004年11期

5 劉羽,盧振曉,邱南輝;基于PVM的機(jī)群實(shí)驗(yàn)系統(tǒng)的建立及應(yīng)用[J];廣西工學(xué)院學(xué)報(bào);2005年02期

6 武俊生,謝桂芳;淺談“并行計(jì)算”與COW實(shí)踐[J];電力學(xué)報(bào);2005年02期

7 邊根慶,邵必林,魏小寧;基于CDT的幾乎同態(tài)問(wèn)題探討[J];微電子學(xué)與計(jì)算機(jī);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(hào)處理中的應(yīng)用[J];電子科技;2006年01期

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

10 蔣鵬;;塊對(duì)角線性方程組的一種分布式并行迭代算法[J];西安郵電學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前10條

1 崔建國(guó);王旭;;基于光纖隔離與通訊的生物電信號(hào)放大方法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 趙麗;萬(wàn)柏坤;高揚(yáng);;基于腦電信號(hào)α波的電動(dòng)小車控制系統(tǒng)研究[A];《制造業(yè)自動(dòng)化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會(huì)論文集[C];2004年

4 王行愚;;基于腦電信號(hào)的人機(jī)融合控制[A];第二十三屆中國(guó)控制會(huì)議論文集（上冊(cè)）[C];2004年

5 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)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(jī)接口數(shù)據(jù)競(jìng)賽論文之五——想像左右手運(yùn)動(dòng)的單次腦電信號(hào)分類[A];首屆全國(guó)功能神經(jīng)影像學(xué)和神經(jīng)信息學(xué)研討會(huì)論文匯編[C];2003年

7 周紅標(biāo);;基于小波包變換和最小二乘支持向量機(jī)的癲癇腦電信號(hào)識(shí)別[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)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(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

9 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)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(hào)眼電偽跡自動(dòng)去除研究[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 軼嘉;英特爾全球首個(gè)并行計(jì)算中心落戶無(wú)錫[N];人民郵電;2009年

2 江錫民;英特爾并行計(jì)算中心落戶無(wú)錫[N];新華日?qǐng)?bào);2009年

3 劉琦;伯克利專家展望未來(lái)并行計(jì)算[N];中國(guó)計(jì)算機(jī)報(bào);2008年

4 均兒;通用計(jì)算核動(dòng)力[N];電腦報(bào);2009年

5 本報(bào)記者 馬文方;英特爾為何要牽頭并行計(jì)算[N];中國(guó)計(jì)算機(jī)報(bào);2009年

6 英特爾并行計(jì)算實(shí)驗(yàn)室研究員 TimothyMattson;并行計(jì)算:減少串行軟件[N];中國(guó)計(jì)算機(jī)報(bào);2007年

7 英特爾 趙軍(Jun Zhao);PC機(jī)并行計(jì)算革命尚未成功[N];中國(guó)計(jì)算機(jī)報(bào);2009年

8 ;并行計(jì)算成PC產(chǎn)業(yè)發(fā)展瓶頸[N];人民郵電;2008年

9 劉霞;計(jì)算能力的提升需要一場(chǎng)革命[N];科技日?qǐng)?bào);2010年

10 張?jiān)迫?并行計(jì)算：迎接多核時(shí)代的挑戰(zhàn)[N];計(jì)算機(jī)世界;2006年

相關(guān)博士學(xué)位論文 前10條

1 陳軍;分布式存儲(chǔ)環(huán)境下并行計(jì)算可擴(kuò)展性的研究與應(yīng)用[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2000年

2 尹欣;三維彈性問(wèn)題邊界元法并行計(jì)算及其工程應(yīng)用[D];清華大學(xué);2000年

3 陳曉春;基于并行計(jì)算的大渦模擬方法及其工程應(yīng)用基礎(chǔ)研究[D];西安建筑科技大學(xué);2004年

4 王開(kāi)健;基于特大增量步算法的網(wǎng)絡(luò)并行計(jì)算[D];清華大學(xué);2005年

5 張理論;面向氣象預(yù)報(bào)數(shù)值模式的高效并行計(jì)算研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2002年

6 寇哲君;可擴(kuò)展沖擊—接觸并行計(jì)算及其在汽車碰撞模擬中的應(yīng)用[D];清華大學(xué);2003年

7 劉麗;人工免疫網(wǎng)絡(luò)研究及應(yīng)用[D];江南大學(xué);2008年

8 張美云;阿爾茨海默病腦電信號(hào)多尺度時(shí)空定量特征研究[D];天津醫(yī)科大學(xué);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(xué);2011年

10 石立臣;基于腦電信號(hào)的警覺(jué)度估計(jì)研究[D];上海交通大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張新;腦電信號(hào)分析在認(rèn)知功能中的研究[D];重慶大學(xué);2010年

2 劉友友;基于多類運(yùn)動(dòng)感知腦電的異步腦—機(jī)接口的研究[D];山東大學(xué);2010年

3 趙建林;癲癇腦電信號(hào)識(shí)別算法及其應(yīng)用[D];山東大學(xué);2010年

4 王娟;慢性痛多通道腦電信號(hào)分析[D];燕山大學(xué);2011年

5 李竇哲;腦—機(jī)接口系統(tǒng)中腦電信號(hào)采集與特征識(shí)別[D];山西大學(xué);2010年

6 張倩華;腦電信號(hào)的非廣度熵分析[D];汕頭大學(xué);2004年

7 張道信;基于小波和獨(dú)立分量分析的腦電信號(hào)處理[D];安徽大學(xué);2002年

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

9 李縣輝;腦電信號(hào)的小波相關(guān)與互信息分析[D];汕頭大學(xué);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(xué);2005年

本文編號(hào)：1764051