10.16208/j.issn1000-7024.2020.02.015
基于CUDA的多信道锋电位实时分类方法
为提高多信道神经元锋电位分类任务的计算效率,满足其在实时场景下的应用需求,提出基于统一计算设备架构(compute unified device architecture,CUDA)的掩蔽高斯混合模型的并行化实现和优化方案.利用高维锋电位数据的稀疏特性和高斯混合模型的强抗干扰性以及良好并行性,借助GPU图形处理器,对特征掩蔽高斯混合模型(Masked Gaussian mixture model,Masked GMM)进行并行实现,进行针对性优化.实验结果表明,在32信道的锋电位数据集上,与原有的CPU串行实现相比,该方案分类速度提高了170倍左右,达到了实时计算,为高维信道锋电位实时分类提供了可行的解决方案.
锋电位分类、特征掩蔽高斯混合模型、图形处理单元、统一计算设备架构、实时
41
TP391.4(计算技术、计算机技术)
NSFC-广东联合基金项目 ;国家自然科学基金项目 ;广东省自然科学基金项目 ;广东省科技计划基金项目 ;广东省特支计划基金项目 ;广州市珠江科技新星基金项目 ;广州市科技计划基金项目 ;福建省信息处理与智能控制重点实验室 闽江学院开放课题基金项目
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
391-396