人脑由大约140万亿神经细胞组成,是人体内结构最复杂的器官之一,脑电信号是许多神经元共同活动的结果,反映出脑神经的电生理运动。脑电信号的研究从开始被发现就紧紧与应用结合在一起,目前,脑电信号的研究已不仅仅是应用在疾病的诊断方面,在一些早期预防以及后期功能康复方面也产生了积极的作用。因此,对脑电信号处理分析方法的研究就显得尤为重要。由于脑电信号数据量非常大,处理难度大,耗时长,研究如何高效快速地对脑电信号进行分析处理并得到精确度高的结果成为本文的重点。本文采用的是算法与程序开发相结合的方法,首先对一组麻醉脑电数据通过集合经验模态(EEMD)分解算法进行处理分析,其中EEMD是一种新的自适应时频分析方法,特别适合于处理嘈杂的非线性或非平稳数据,比如在脑电图中采集的数据,提取有用信息。然而EEMD算法类型是高度计算密集型的,所以在此我们应用高性能计算完成其加速运算。本课题使用的是NVIDIA公司推出的基于GPU的CUDA(统一计算设备架构),主要的研究工作是对脑电信号进行分析处理得到有用信息,并提取其高密度和高复杂度的计算任务,应用高性能计算——CUDA来实现快速准确得到分析结果的目的。其次采用时空动力学机制对癫痫脑电信号进行判别分析,主要目的是对癫痫发作的发作初期、发作期、发作后期脑电信号进行准确的区分,有助于临床诊断和治疗。结果显示,高性能并行计算在对脑电信号的分析处理过程中,在不影响准确度的情况下,其运算速度大大提高,极大的缩短了信号分析处理周期。其次,时空动力学机制对癫痫发作的分期判别具有较高的准确度。