(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211278592.4 (22)申请日 2022.10.19 (71)申请人 中国空间技 术研究院 地址 100094 北京市海淀区友谊路104 号 (72)发明人 王亚坤　韩笑冬　徐楠　王超　 邢川　王睿　武长青　 (74)专利代理 机构 北京志霖恒远知识产权代理 有限公司 1 1435 专利代理师 郭栋梁 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于聚类的卫星遥测数据序列异常检 测方法 (57)摘要 本发明公开了一种基于聚类的卫星遥测数 据序列异常检测方法， 涉及卫星遥测数据分析、 人工智能领域。 本发明中， 首先， 选择没有异常的 历史遥测数据作为训练样本， 然后， 将遥测数据 进行分段处理， 每一段遥测数据是一个样本。 利 用基于距离的聚类方法对分段数据样本进行聚 类。 在此基础上， 利用训练数据的训练误差， 拟合 一元高斯分布。 最后， 计算被检测遥测数据的到 其最近类的距离， 利用拟合的高斯分布判断其是 否为异常数据。 本发明中， 通过对卫星时间序列 遥测数据进行基于距离的聚类分析， 自动学习正 常遥测数据中常见的卫星操作模式。 通过对异常 操作模式进行检测， 发现卫星遥测数据中存在的 序列异常。 本方法用于在轨卫星序列异常的实时 检测。 权利要求书1页 说明书3页 附图1页 CN 115496164 A 2022.12.20 CN 115496164 A 1.一种基于聚类的卫星遥测数据 序列异常检测方法， 其特 征在于， 包括以下步骤： S1： 将正常的卫星遥测数据制成包 含M个遥测变量的数据表， 数据按时间序列排列； S2： 对数据进行 预处理， 包括野值剔除和缺失值补全； S3： 将M维遥测数据生成N(N＝M ‑T)个重叠 的数据序列， T为每个数据序列的长度， 即每 个数据序列包含T个时刻的遥测数据， 形成N ×T×M的训练数据{x1,x2…,xN}； S4： 利用基于欧几里 得距离的聚类方法， 对数据进行聚类学习， 输出 K个类； S5： 利用训练数据的训练误差， 拟合一元高斯分布N( μ ′, σ′)， 基于聚类预测和高斯分布 判断任意序列遥测数据xt是否为异常。 2.根据权利要求1所述的一种基于聚类的卫星遥测数据序列异常检测方法， 其特征在 于， 所述基于欧几里 得距离的聚类方法包括： 随机初始化K个 类中心向量γ＝{γ1,γ2…,γk}； 对每个训练数据， i＝1, …,N， 基于欧几里得距 离计算其距 离每个聚类中心的距 离di＝| |xi‑γk||2， 选择其距离最短的聚类中心c(i)作为 其所属类c(i)＝mi nk||xi‑γk||2； 重新计算每 个类中心向量γ ′， 等于所有属于该类样本的均值 重复上述计算， 直到类中心向量 不再更新。 3.根据权利要求1所述的一种基于聚类的卫星遥测数据序列异常检测方法， 其特征在 于， 所述一元高斯分布包括： 当完成聚类学习后， 计算对每个训练数据xi到其所属聚类中心的距离， 即训练误差di＝ ||xi‑γk||2， 利用训练误差基于最大似然估计法来估计一元高斯分布N( μ ′, σ′)； 对于任意序列遥测数据xt， 基于欧几里得距离计算其距离每个聚类中心的距离dt＝|| xt‑γk||2， 选择其距离最短的聚类中心c (t) 作为其所属类 ， 其异常得分为 当a(xt)＞2时， 判定序列遥测数据xt为异常数据， 当a(xt)≤2时， 判定 序列遥测数据xt为正常。权　利　要　求　书 1/1 页 2 CN 115496164 A 2一种基于聚类的卫星遥测数据序列异常检测方 法 技术领域 [0001]本发明涉及卫星遥测数据分析、 人工智能技术领域， 尤其涉及一种基于聚类 的卫 星遥测数据 序列异常检测方法。 背景技术 [0002]卫星系统或其每个子系统具有多种不同的工作 模式， 并且会随着时间从一种模式 变为另一种模式， 如光照季模式和地影季模式的相互切换。 然而， 当异常发生时， 卫星系统 将在未知的故障模式下工作。 异常从数据模式上可划分为点异常和序列异常。 相对于单个 数据点的异常， 序列异常通常是指某个数据序列出现异常， 而单取出其中任何一个点无法 判定异常。 卫星遥测数据中存在典型 的序列异常。 本发明利用基于欧几里得距离的聚类对 卫星时间序列遥测数据进行序列异常检测， 该方法是一种 无监督学习方法。 该方法可对按 时间窗口划分好的正常序列数据进行聚类学习， 然后对新的数据通过距离计算实现序列异 常检测。 发明内容 [0003]本发明的目的在于： 为了解决上述问题， 而提出的一种基于聚类的卫星遥测数据 序列异常检测方法， 该 方法可有效检测卫星遥测数据中的序列异常。 [0004]为了实现上述目的， 本发明采用了如下技 术方案： [0005]一种基于聚类的卫星遥测数据 序列异常检测方法， 包括以下步骤： [0006]S1： 将正常的卫星遥测数据制成包含M个遥测变量的数据表， 数据按时间序列排排 列； [0007]S2： 对数据进行 预处理， 包括野值剔除和缺失值补全； [0008]S3： 将M维遥测数据生成N(N＝M ‑T)个重叠的数据序列， T为每个数据序列的长度， 即每个数据序列包含T个时刻的遥测数据， 形成 Ⅳ×T×M的训练数据{x1， x2…， xN}； [0009]S4： 利用基于欧几里 得距离的聚类方法， 对数据进行聚类学习， 输出 K个类； [0010]S5： 利用训练数据的训练误差， 拟合一元高斯分布N( μ ′， σ′)， 基于聚类预测和高斯 分布判断任意序列遥测数据xt是否为异常。 [0011]优选地， 所述基于欧几里 得距离的聚类方法包括： [0012]随机初始化K个 类中心向量γ＝{γ1， γ2…， γk}； [0013]对每个训练数据， i＝1， …， N， 基于欧几里得距离计算其距离每个聚类中心的距离 di＝||xi‑γk||2， 选择其距离最短的聚类中心c(i)作为 其所属类c(i)＝mi nk||xi‑γk||2； [0014]重新计算每 个类中心向量γ ′， 等于所有属于该类样本的均值 [0015]重复上述计算， 直到类中心向量 不再更新。 [0016]优选地， 所述 一元高斯分布包括： [0017]当完成聚类学习后， 计算对每个训练数据xi到其所属聚类中心 的距离， 即训练误说　明　书 1/3 页 3 CN 115496164 A 3