一种在线时间序列预测的核自适应滤波器向量处理器

ByGrith4

摘 要：针对信息物理融合系统中的在线时间序列预测问题，该文选择计算复杂度低且具有自适应特点的核自适应
- u6 [; T# i( D) x8 i滤波器(Kernel Adaptive Filter, KAF)方法与 FPGA 计算系统相结合，提出一种基于 FPGA 的 KAF 向量处理器解
0 D5 m5 `- B7 G4 t8 m, n% e$ C9 T6 x决思路。通过多路并行、多级流水线技术提高了处理器的计算速度，降低了功耗和计算延迟，并采用微码编程提高
. L3 \' v, y- f8 K9 `; a了设计的通用性和可扩展性。该文基于该向量处理器实现了经典的 KAF 方法，实验表明，在满足计算精度要求的
前提下，该向量处理器与 CPU 相比，最高可获得 22 倍计算速度提升，功耗降为 1/139，计算延迟降为 1/26。
* z+ Q1 e  ~8 l1 P; {7 b关键词：核自适应滤波器；现场可编程逻辑门阵列；向量处理器；微码
* m) K7 [0 g7 p8 Y' H
引言
, y5 |" `  V7 o/ J. G. Y% h信息物理融合系统(Cyber-Physical System,
CPS)是将计算、通信和控制能力深度融合的网络化
8 u, G" w8 x( A( z& P) V/ R' r; m! h物理系统，数据的在线实时处理是 CPS 的核心问题
之一[1]。而实际物理系统产生的数据往往具有时间序
列特性，因此时间序列预测广受工业界和研究机构
6 G( q* i1 @; t8 m4 T$ ~) _的关注，越来越多的嵌入式在线时间序列预测系统
被广泛地应用到变电站无线监测与预警，可穿戴机
器人运动控制以及嵌入式环境监测等领域。然而，
2 g% D  T2 _: K0 I$ @" ~. U) Q2 I对于在线应用，非线性时间序列预测方法需要不断





- T) @+ m1 q* o2 [附件下载：

游客，如果您要查看本帖隐藏内容请回复

TaylorA

谢谢                                    

我的中国心1008

楼主，我希望进一步研读您发的主题资料。
8 s( b" v. H+ `% ?7 O3 ^
) `- Q' O6 \) A1 X) t; L