集合经验模分解算法的高效并行工具

摘要

近年来,基于经验模分解的希尔伯特-黄变换在气候数据分析中获得了广泛的应用.传统的时间序列分解方法适用于线性、平稳数据,而经验模分解能够有效分析非线性、非平稳数据,具有更好的自适应性.设计和实现了一个兼具计算优化和I/O优化的高效集合经验模分解并行工具.在介绍集合经验模分解算法原理的基础上，建立与Matlab开源代码一致的C语言串行程序;分析集合经验模分解算法的特征，关注其内存和I/O特性，设计工具的整体程序结构和计算优化方案。给出新建立的经验模态分解Matlab并行工具与C语言程序的对照实验。实际测试显示,该并行工具计算性能比C语言实现的串行程序提高了5.75倍.当程序移植到新的机器环境时,该工具针对计算不同特点的数据和底层硬件环境,通过调节参数,最大化计算性能.