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
" J1 I- H+ Q3 }* A7 y7 ]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
9 `; r# g3 V6 }) d8 z  z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
" M/ a( I: x9 n: i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
0 r: n4 Z, d7 z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。
; B# W9 P* R# \/ Z; H; T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
/ G9 F' e# Q/ C' z& F' b& t) u
引言
信息物理融合系统(Cyber-Physical System,
" I: E+ g# J7 K8 B4 DCPS)是将计算、通信和控制能力深度融合的网络化
3 b  w8 _! }, C( p# o0 {( ^  S物理系统，数据的在线实时处理是 CPS 的核心问题
7 l8 [5 x% j7 X- W( E: o% M+ G- l& k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
+ A( B8 J4 }! _& P& |7 q  m# X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，
, ~+ i# }) U' c* u% @; I: `对于在线应用，非线性时间序列预测方法需要不断





- \' m% O% u3 v, }1 |附件下载：

游客，如果您要查看本帖隐藏内容请回复

# I7 B8 E, ?6 w: r0 r1 J) D& V5 l# }) F: J
+ j7 P8 C4 b" D4 z# T6 g

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。