Im aBRI-Framework, welches in verschiedenen Projekten zur Analyse und Klassifikation von EEG-Daten verwendet wird, treten, besonders bei der Vorverarbeitung, Engpässe auf. Diese Engpässe bedeuten zeitliche Verzögerungen innerhalb des Datenflusses, welche insbesondere bei Online-Auswertung der EEG-Daten in einem engen Rahmen gehalten werden müssen.

In dieser Arbeit wird der Datenfluss durch das aBRI-Framework analysiert und an kritischen und gleichzeitig gut paralleisierbaren Stellen durch hardware unterstützte Algorithmen erweitert. Im weiteren Verlauf wird daher die Filterung am Anfang der Verarbeitung betrachtet, da dabei die größte Datenmenge anfällt und verarbeitet wird. Als Evaluationsplatformen stehen ein Virtex5 FPGA, eine NVIDIA Grafikkarte sowie ein Multicore System zur Verfügung.

Verschiedene Filteralgorithmen werden gemäß ihren Eigenschaften und dem, bei ihrem Einsatz erzielten, Klassifikationsergebnis gegenübergestellt. Dadurch kann eine Abschätzung getroffen werden, welche Art der Vorverarbeitung bei der Klassifikation gut geeignet ist und welche Ressourcen dafür notwendig sind.

Als Basis für die Verarbeitung der Daten auf dem FPGA wird ein PCI-Express fähiges Design vorgestellt, welches durch einen Treiber für Linux eine allgemeine Schnittstelle zum FPGA darstellt.