基于MPI SP - 9812019 VL - 2020 AB -的并行脑电信号特征提取算法提出了一种基于MPI的大数据集并行框架，用于提取脑电信号的功率谱特征，以提高脑信号的处理速度。目前，Welch方法被广泛应用于功率谱的估计。然而，传统的Welch方法花费了大量的时间，特别是对于大数据集。鉴于此，我们在传统的Welch方法中加入了MPI，并将其开发为一个可重用的主从并行框架。该并行框架只要将任意格式的脑电图数据转换为指定格式的文本文件，即可快速提取功率谱特征。在提出的并行框架中，将一个通道记录的脑电图信号分为多个部分 N重叠的数据段。的PSD N段是由一些节点并行计算的。结果由主节点收集和总结。每个通道的最终PSD结果保存在文本文件中，可通过Microsoft Excel读取和分析。该框架不仅可以在集群上实现，而且可以在桌面计算机上实现。在实验中，我们将这个框架部署在一台带有4核Intel CPU的台式计算机上。从2.85 GB脑电图数据集中提取功率谱特征只花了几分钟，比使用Python快7倍。该框架方便了没有并行编程经验的用户构建并行算法来提取EEG功率谱。SN - 1748-670X UR - https://doi.org/10.1155/2020/9812019 DO - 10.1155/2020/9812019