基于高性能计算的脑电信号分析
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·高性能计算的发展及现状 | 第10-11页 |
| ·脑电信号特点及研究意义 | 第11-12页 |
| ·脑电信号的分析方法 | 第12-16页 |
| ·傅里叶变换 | 第12-13页 |
| ·功率谱估计分析 | 第13页 |
| ·小波分析 | 第13-14页 |
| ·复杂度分析 | 第14-15页 |
| ·同步性分析 | 第15-16页 |
| ·评价和展望 | 第16-17页 |
| ·论文的主要工作和结构安排 | 第17-18页 |
| 第2章 高性能并行计算 | 第18-34页 |
| ·引言 | 第18-20页 |
| ·CUDA 发展简介 | 第20-25页 |
| ·GPU 发展 | 第21-23页 |
| ·传统GPGPU 开发 | 第23-24页 |
| ·从GPGPU 到CUDA | 第24页 |
| ·CUDA 开发 | 第24-25页 |
| ·CUDA 基础 | 第25-30页 |
| ·CUDA 软件体系 | 第25-27页 |
| ·CUDA 的程序结构 | 第27-30页 |
| ·CUDA 计算编程思想 | 第30-31页 |
| ·CUDA 程序的性能优化 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于CUDA 的脑电信号分析 | 第34-50页 |
| ·引言 | 第34页 |
| ·问题描述 | 第34-37页 |
| ·集合经验模态分解 | 第37-43页 |
| ·希尔伯特黄变换和经验模态分解 | 第37-39页 |
| ·EEMD 算法实现 | 第39-41页 |
| ·基于图形处理器的通用计算和统一计算设备架构 | 第41-43页 |
| ·EEMD 并行化实现 | 第43-49页 |
| ·EEMD 的应用和并行水平 | 第43-46页 |
| ·运算时间 | 第46-47页 |
| ·通用计算加速EEMD | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 脑电信号的时空动力学分析 | 第50-65页 |
| ·引言 | 第50-51页 |
| ·脑电信号采集 | 第51-52页 |
| ·干扰去除 | 第52页 |
| ·动力学分析 | 第52-59页 |
| ·希尔伯特变换 | 第53-54页 |
| ·动力学方法 | 第54-56页 |
| ·数值分析 | 第56-59页 |
| ·耦合系统模型 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务和主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
