一种基于GPGPU的非线性非稳态复杂信号自适应分解方法

摘要

本发明公开了一种基于GPGPU的非线性非稳态复杂信号自适应分解方法，属于信号分析领域。本发明针对传统的EEMD算法在处理大规模信号数据时，受限于算法本身的密集型的计算，导致传统的EEMD算法不能满足实际应用中实时性的需求。本发明通过分析EEMD算法中包含大量的可高度并行计算步骤，通过应用基于CUDA的GPGPU方法对EEMD算法进行并行化设计，使该算法在数据精度和时间消耗上达到一个优化的状态，并结合希尔伯特黄变换，应用希尔伯特变换与香农熵的概念得到希尔伯特‑黄谱熵对分解信号进一步研究。实验证明，本方法在实际的信号分解分析中具有更好的效率和可用性。