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
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
, Y8 ^( [, S) M/ {6 e. b, {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
3 S# P& x% I) B+ 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。
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

3 y, l4 A( n- i, B  n0 {, Z引言
信息物理融合系统(Cyber-Physical System,
& X# A# \/ b- ^% M9 ICPS)是将计算、通信和控制能力深度融合的网络化
( j( T) P$ g1 r; L4 R9 [* `物理系统，数据的在线实时处理是 CPS 的核心问题
( |6 K* i1 O6 ^# o8 F( N( I2 _之一[1]。而实际物理系统产生的数据往往具有时间序
4 k. E2 x; q* s& W% Y列特性，因此时间序列预测广受工业界和研究机构
4 X% ?1 `5 s3 \/ k的关注，越来越多的嵌入式在线时间序列预测系统
  ]" a: a6 O8 o被广泛地应用到变电站无线监测与预警，可穿戴机
! {7 }6 K% A, Q* C# _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
* }9 p7 `5 a3 L% I' a, ?  B
. @$ M+ E4 r) m, f
9 ]3 q1 z' s7 @' j# F6 j, \, x
9 d" f5 e2 _6 q  o! M, S

. c8 Y3 i8 }: J5 ]" X  A附件下载：

游客，如果您要查看本帖隐藏内容请回复

/ h: {5 z+ @! E

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。

; T2 }4 m9 \# D" T7 B. O