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
. r0 m% \! }5 Y+ @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
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
0 v5 x( a6 ^# e& ~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
: Y9 V6 d; d+ @# B8 a4 l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。
4 u9 [5 v( g4 o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
/ ~; D* g9 w3 a" }
引言
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
7 d9 `7 ~' ~2 I+ X% `' y; |% B物理系统，数据的在线实时处理是 CPS 的核心问题
+ ^9 }+ q2 s4 G# @( B! h/ G8 m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
的关注，越来越多的嵌入式在线时间序列预测系统
* u0 _# U/ X0 k+ n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，
5 h( A& N* \$ B& F. |2 [对于在线应用，非线性时间序列预测方法需要不断
8 A- |( S4 Q3 ~2 h7 z


# A( G4 Z2 R( p9 w6 X5 n

5 _  x8 k0 F# u" P) b1 ]附件下载：

游客，如果您要查看本帖隐藏内容请回复

( g, g0 |4 a9 _# T( ^

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。