一种适用于低信噪比短CPI的ISAR横向定标算法

针对低信噪比短相干处理时间(CPI)的逆合成孔径雷达(ISAR)成像及应用,提出一种有效的ISAR横向定标算法.基于ISAR图像的稀疏特征,该方法首先利用加权压缩感知实现超分辨成像,有效地抑制噪声并保证强散射点的恢复精度.然后,根据二维傅里叶变换及极坐标变换的特性,利用极坐标图像间的相关性对转动角速度进行初估计.最后,利用加权压缩感知对相关函数峰值位置进行精确估计,提高了估计精度和效率,从而实现ISAR图像的横向定标.通过仿真和实测数据处理验证了该方法的可行性和有效性.

基于混频模型的CPI短期预测研究

本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI短期预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。

基于卷积长短时记忆网络的CPI预测

针对消费价格指数(CPI)的预测值滞后于真实值的现象,提出一种基于卷积神经网络-长短期记忆(CNNLSTM)深度网络的CPI预测模型,预测结果相较于传统方法有较小的均方根误差和平均绝对百分比误差,且预测结果的定向精度和Pearson相关系数显著高于传统方法。用卷积神经网络-长短期记忆深度网络学习期货数据的空间特征和时间特征,动态定量预测每日CPI的变化情况。为有效提高深度网络训练的样本数量,对月度CPI数据进行数据增强。通过滑动时间窗口动态训练模型,预测2019年1月至2020年5月CPI变化情况。模型预测CPI取得了较高的准确率,在基于日级别数据进行CPI预测时具有明显优势。

基于压缩感知的ISAR高分辨成像算法

针对ISAR在短孔径条件下存在的方位向分辨率低、易受噪声干扰等问题,基于压缩感知理论,提出了一种适用于短孔径时间模式下的基于压缩感知的ISAR方位向高分辨成像算法——PH-SL0算法。该算法首先构建部分随机化哈达玛矩阵作为量测矩阵,PH矩阵具有重构精度高、重构需要量测个数少的优点;然后将运算速度快、重构精度高且稳健性好的平滑0-范数法(SL0,smoothed L0-norm)推广应用到雷达复数域进行信号重构,实现ISAR的横向高分辨成像;最后对在短CPI条件下提出的PH-SL0算法的横向分辨率问题进行了理论分析。仿真和实测数据结果表明,所提算法具有更高的聚焦性能、分辨率以及较好的抗噪性能。

基于ARIMA模型的上海市居民消费价格指数实证分析

依据1978-2017年的上海市居民消费价格指数(CPI)数据,利用非平稳时间序列分析(ARIMA)构建CPI预测模型,并对结果进行实证分析。结果显示,该模型拟合效果比较理想,将2018、2019年数据的预测结果与真实值进行比较,发现绝对误差很小。最后,使用此模型对上海市2020年、2021年的CPI数据进行了预测。

基于ARIMA-Holt指数平滑模型的短期居民消费指数预测

以上海市2008~2017年10年间居民消费指数(CPI)的月度历史数据为样本,采取时间序列检验方法对其进行了相关分析,建立了ARIMA模型。同时利用多种不同预测方法对2018年第一季度上海市居民消费指数水平进行预测,结果表明:上海市居民消费指数具有明显的趋势性,且Holt指数平滑预测方法具有更优的预测能力,效果较为理想,为短期预测提供一定的借鉴。

利用网络搜索大数据实现对CPI的短期预报及拐点预测——基于混频抽样数据模型的实证研究

消费者价格指数(CPI)对国家宏观经济运行监测及管理具有十分重要的作用,及时有效预测其未来走势有利于国家及时采取合理调控措施。为此,从价格决定理论出发,构建商品价格波动与个体网络搜索行为之间关系的逻辑框架,并建立利用网络搜索指数日频率数据实现对月度CPI预测的混频抽样数据模型(MIDAS)。模型模拟结果表明:(1)利用网络搜索高频数据的预测方法能提高CPI样本内拟合及样本外预测的精度;(2)利用网络搜索高频数据能够提高捕捉CPI趋势中"拐点"的成功率;(3)利用网络搜索高频数据能够在早于官方公布数据前大约半个月时间提供具有较高预测精度的CPI预测值。