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
7 s3 V3 B( p6 ^7 l. ]8 R* Q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
7 o8 K# Q3 r  C7 ~( H" q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
6 l; U" Z& }6 [$ b7 t1 _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。
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

% Q5 ?% c. |% H; Z% B" Q+ }8 ]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
物理系统，数据的在线实时处理是 CPS 的核心问题
& U7 Y& Q/ \3 Q! o9 R& q2 m8 C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
被广泛地应用到变电站无线监测与预警，可穿戴机
3 x: q; P3 ~+ Q7 u! a器人运动控制以及嵌入式环境监测等领域。然而，
对于在线应用，非线性时间序列预测方法需要不断
# ^) P( C; S3 E' |4 P" D9 a
2 B! Q7 p& u; p4 x/ o

6 T1 r: H, v# ?& b: @$ K5 C

附件下载：

游客，如果您要查看本帖隐藏内容请回复

  a4 ~" [- E! d
4 [- S# D8 r' q+ {. N" _

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。

" U9 r$ z! M3 f) k/ A4 F$ u