A Wavelet-transzformáció párhuzamosítása multi-GPU környezetben a Komondor szuperszámítógépen

Bálint Tóth; Pannon Egyetem, Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék

Zoltán Juhász; Pannon Egyetem, Műszaki Informatikai KarVillamosmérnöki és Információs Rendszerek Tanszék

NETWORKSHOP

2025-10-25 09:19:59

Az agyi EEG mérések feldolgozásának egyik fontos lépése a Wavelet-transzformációval elvégzett idő-frekvencia elemzés, ami a nagy mennyiségű mérési adat miatt időigényes folyamat. Ennek oka az EEG-ben alkalmazott nagy számú mérőelektróda és a magas mintavételezési frekvencia, ami több száz csatornát és csatornánként több millió adatpontot eredményez. A számítási időt tovább növeli a megfelelő frekvencia felbontás biztosítása miatt szükséges, csatornánként több száz Wavelet-transzformáció végrehajtása. Mindezek miatt szükségessé vált több, az EEG előfeldolgozás során használatos algoritmus párhuzamos GPU megvalósítása szuperszámítógép környezetben. Cikkünkben bemutatjuk a párhuzamos Wavelet-transzformáció algoritmus megtervezésének és CUDA GPU implementációjának főbb lépéseit, valamint a Komondor szuperszámítógépen végzett mérésekre alapozva az elkészült multi-GPU program skálázhatóságát.Kulcsszavak: Nagyteljesítményű számítás, EEG, GPU, Digitális jelfeldolgozás A multi-GPU parallel implementation for the Wavelet transform in HPCenvironment using the Komondor supercomputerThe Wavelet transform-based time-frequency analysis is an important step of EEG data processing. High sampling rate and high-density electrode layouts results in measurements producing hundreds of MBs of data. Coupled with high frequency resolution requiring hundreds of Wavelet transforms to be executed per electrode, the execution time quickly becomes prohibitive. For these reasons, a need for parallel GPU versions has emerged for frequently used EEG algorithms that can be used in a HPC environments. In this paper, we present the main steps of the design and development of the CUDA GPU implementationof the parallel Wavelet transform algorithm and the scalability results of the multi-GPUversion executed on the Komondor supercomputer.Keywords: High Performance Computing, EEG, GPU, Digital Signal Processing https://doi.org/10.31915/NWS.2025.9

magyar

Peer-reviewed Paper

http://ocs.mtak.hu/index.php/nws/2025/paper/view/195

NETWORKSHOP; Networkshop 2025

Authors who submit to this conference agree to the following terms:<br/> <strong>a)</strong>&nbsp;Authors retain copyright over their work, while allowing the conference to place this unpublished work under a <a href="http://creativecommons.org/licenses/by/3.0/">Creative Commons Attribution License</a>, which allows others to freely access, use, and share the work, with an acknowledgement of the work's authorship and its initial presentation at this conference.<br/> <strong>b)</strong>&nbsp;Authors are able to waive the terms of the CC license and enter into separate, additional contractual arrangements for the non-exclusive distribution and subsequent publication of this work (e.g., publish a revised version in a journal, post it to an institutional repository or publish it in a book), with an acknowledgement of its initial presentation at this conference.<br/> <strong>c)</strong>&nbsp;In addition, authors are encouraged to post and share their work online (e.g., in institutional repositories or on their website) at any point before and after the conference.