GPU实现了改进的CEEMDAN算法,用于快速有效的EEG时间频率分析
1Department of Electrical Engineering and Information Systems, University of Pannonia, 8200 Veszprem, Hungary.
Sensors (Basel, Switzerland)
|October 28, 2023
概括
我们开发了一个GPU加速的CEEMDAN算法,用于更快的EEG时间频率分析. 这大大减少了计算时间,使常规的大脑振荡研究成为可能.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 信号处理 信号处理
背景情况:
- 对脑电图 (EEG) 数据的时间频率分析对于理解脑活动和通过振荡的神经通信至关重要.
- 传统的方法,如FT和波形变换面临由于时间频率不确定性原理和固定基础函数的限制.
- 经验模式分解 (EMD) 提供更好的即时频率和相位提取,但在计算上是密集的.
研究的目的:
- 设计和实施一个高性能,大规模并行GPU版本的改进完整合体EMD与自适应噪声 (CEEMDAN) 算法.
- 极大减少基于EMD的EEG分析所需的计算时间,使其适用于常规使用.
- 为研究人员提供公开可用的工具,以更有效地分析复杂的EEG数据.
主要方法:
- 开发了CEEMDAN算法的大规模并行GPU实现.
- 在现代计算架构上优化了算法以实现高性能.
- 通过使用真实EEG数据与MATLAB参考实现验证了GPU实现.
主要成果:
- 与传统方法相比,在实际EEG测量方面实现了超过260×的显著加快速度.
- 预测的加速度从3000×到8300×,用于具有足够内存的较长EEG数据集.
- 该GPU程序是公开可用的和验证的.
结论:
- 开发的GPU加速CEEMDAN实现大大减少了分析时间从小时到秒.
- 这使得基于EMD的常规EEG分析成为可能,即使对于高密度的录音.
- 该工具是多功能,适用于桌面,云和超级计算机系统,并为未来的多GPU研究奠定了基础.
