一种基于生成对抗网络的卫星异常检测方法

针对卫星地面测控中心在异常检测时面临的遥测数据不平衡和缺乏异常标签等问题,提出了一种基于时序生成对抗网络的异常检测方法.首先对卫星遥测数据进行预处理,剔除原始数据中的噪声和野值.然后使用长短时记忆网络构建生成模型的生成器和判别器,使得模型可以学习到历史数据的时间依赖关系.采用改进的生成对抗损失函数,使得生成模型在训练时可以保证生成序列与输入序列的潜在空间分布一致.最后,使用残差作为测试序列的异常分数,通过阈值自适应方法判断测试序列是否异常.经真实卫星遥测数据进行实验验证,表明该异常检测方法具有较好的有效性.     

距离相关系数融合GPR模型的卫星异常检测方法

卫星在轨运行期间,遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限,及时发现隐藏在工程阈值内的故障征兆,但是高维卫星数据使得GPR模型具有局限性。因此,为获取与多个遥测参数相关的动态门限,在GPR模型的基础上,融合距离相关系数对预测变量进行选择,减少信息冗余和计算量,提高模型的可解释性,并估计模型的泛化误差以设置更合理的预测区间,提高模型的泛化能力,检测数据流的持续异常。对实际在轨卫星数据进行仿真实验,验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常,而且提高了模型的预测性能,降低了虚警率。      

基于遥测数据动态特征的卫星异常检测方法

基于遥测参数分析异常是保证卫星正常在轨运行的基础,通常采用阈值法判断遥测参数是否超差来判断卫星工作状态,由于其无法检测在阈值范围内变化的卫星遥测数据异常,因而会导致故障漏报.本文利用遥测参数动态变化特性,提出一种基于遥测数据变化规律检测异常的方法.利用周期图谱法求解遥测参数周期,根据遥测数据各周期之间参数值的相似性,按照遥测参数周期对数据进行采样,得到平稳差分序列,对其建立自回归移动平均混合模型,通过精确的预测结果与实测遥测数据比较来发现异常.利用该方法对实际在轨运行的某卫星2012年5月太阳能帆板转动异常故障进行验证,结果表明其能够有效避免故障漏报.     

利用TLE数据分析LEO卫星轨道异常的新方法------综合判据法

及时准确地发现在轨卫星的轨道异常意义重大. 通过有效的异常算法, 能够找出发生轨道异常的碎片或航天器, 为空间碎片碰撞预警系统分析和验证碰撞事件提供数据支持. 通过对利用TLE (Two Line Elements)数据分析LEO在轨卫星轨道异常的方法研究, 提出了一个利用单个卫星相邻根数时间差控制加综合判据的判别方法. 分析表明, 相对于取单一因素阈值的判别方法, 综合判据法能够最大限度地减少漏判, 并且保持相对较高的判断准确率.     

基于趋势符号聚合近似的卫星时序数据分类方法

作为在时间序列数据挖掘中广泛使用的主要符号化表示方法,符号聚合近似（SAX）使用段的平均值作为符号表示,由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列,某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似（TrSAX）,集成SAX与最小二乘法,用以描述时间序列的均值和斜率,并由此构建出BOTS分类器。此外,对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析,并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离（ED）、动态时间规整（DTW）的1-NN分类方法进行对比,结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。      

一种基于时间序列的自适应网络异常检测算法

传统的网络管理工具通常是根据预先设定的阈值进行网络流量异常检测,这种方法虽然简单,但不能根据网络状况进行自适应的动态调整.分析了基于时间序列的Holt-Winters异常检测方法,结合建立的历史流量的正常模型,改进了Holt-Winters模型的基值以及平滑因子参数的获取过程,加快了算法的启动时间,缩短了算法对网络环境的自适应时间.改进的Holt-Winters算法相较于原来的Holt-Winters算法以及阈值检测方法检测的正确率更高、误报率更低.     

基于DTW的HJ-1B卫星地表温度产品质量检验

HJ-1B卫星热红外数据应用广泛,但其地表温度反演产品的质量检验工作尚不完善。以黑河流域为研究区,利用普适性单通道算法得到HJ 1B地表温度,基于7个地面站点（下垫面为荒漠、沙漠、植被、农作物、雪地和湿地）同步观测资料和MODIS地表温度产品（MOD11A1）,引入动态时间规整方法（DTW）对站点处HJ 1B地表温度进行验证。试验结果表明：HJ 1B地表温度反演产品与地面观测值的偏差值在沙漠和荒漠站点为1K以内,均方根误差在05K左右;对于植被和农作物站点的偏差在2K以内,均方根误差为1~2K;基于DTW的验证对时序不匹配的数据评价结果与现有指标表现一致。HJ-1B地表温度反演产品与地面站点的相对偏差均低于其与MODIS地表温度反演产品的相对偏差。     

基于YOLOv8的卫星遥感图像快速目标检测方法

目标检测相关技术已经广泛应用于空间目标监视、卫星自动寻轨等领域,也是计算机视觉领域最重要和最具有挑战性的研究分支之一,逐渐成为国内外军事领域的应用热点.在现代空天对抗中,通过卫星遥感图像获取近地飞行器目标,借以快速判断敌方部队的有生力量,将使我方部队占据战略优势.针对卫星观测距离过远、遥感图像背景复杂等问题,研究基于一阶段轻量化网络YOLOv8的小样本目标检测算法.通过图像翻转、马赛克数据增强及mixup数据增强等图像增强手段提高了模型的泛化性能;通过多次调整优化函数、降低类别损失增益及降低掩模比等参数调整策略提高了模型的平均精度;通过使用参数预设及加载原优化函数导出的模型提高了模型的运算效率.提出的方法在公开的飞行器数据集进行了验证,验证指标包括查准率-查全率(precision-recall)、平均精度(mAP)和画面每秒传输帧数(FPS).结果表明本文提出的改进型网络模型能满足卫星遥感图像的快速目标检测需要.     

基于自编码器和HMM的民机接地点远事件检测

已有的飞行品质监控（FOQA）标准仅由地速的积分距离判定接地点远事件（LTE）的发生,无法结合多个快速存取记录器（QAR）参数检测并解释发生该事件的原因。通过滑动窗口对包含多个参数的QAR样本进行分段,按照分段位置形成若干分段样本集。由长短时记忆网络（LSTM）自编码器得到QAR样本分段及分段内向量的特征表示,采用K-means分别对这些表示向量进行聚类处理,实现QAR样本及其分段的符号化。使用正常航班QAR样本集的符号序列建立隐马尔可夫模型（HMM）,以检测包含接地点远事件的航班。由发生及未发生接地点远事件的QAR样本各个分段的符号序列构建HMM后,采用Viterbi算法确定接地点远事件在QAR样本分段内的具体位置。在真实QAR数据集上的实验结果表明,与其他多维时间序列异常检测方法相比,所提方法不仅能有效检测接地点远事件,而且可以获得多个QAR参数的异常值,辅助领域专家分析发生该事件的原因。      

基于近邻保持嵌入的卫星姿态控制系统微小故障检测

摘要： 以卫星姿态控制系统(ACS)为研究对象,以微小故障检测为研究目标,提出一种改进的近邻保持嵌入算法(EWMA DNPE).针对近邻保持嵌入(NPE)算法中邻域参数无法自动设定的缺陷,通过引入动态邻域,使得动态近邻保持嵌入算法（DNPE）可根据流形的样本密度动态地选取近邻点计算权值重构矩阵.将指数加权移动平均(EWMA)引入DNPE,通过EWMA对历史故障数据的累加作用,建立SPE统计量实现微小故障的检测,并仿真验证了EWMA DNPE算法对卫星ACS微小故障检测的有效性和可行性.     

模糊相似度景像匹配算法研究

研究了求取图像模糊特征域的计算方法,提出了采用图像模糊集相似度进行景像匹配的方法,并探讨了综合利用多种模糊集相似度算法进行匹配的方法,进一步提出了模糊综合相似度(FSSM)匹配算法.仿真验证表明,FSSM算法具有适应性好、匹配率高等优点,且实时性也较好,为飞行器实时景像匹配提供了一种可行方法.     

基于预报偏差的LEO航天器轨道异常检测

针对由轨道控制、大气环境、碰撞等因素造成的低轨(LEO)航天器轨道突变问题,提出了一种基于预报偏差的轨道异常检测方法。选择LEO轨道的半长轴和倾角作为特征轨道参数,利用SGP4模型长期项对目标的两行轨道要素(TLE)进行预报得到特征轨道参数的预报值,通过对特征轨道参数的编目数据和预报数据进行平滑后求差得到预报偏差序列,基于马氏距离对预报偏差数据的两个分量进行联合异常检测。对Terra卫星2010年的机动事件分析结果同NASA发布的其机动历史相吻合,表明该方法可以有效地检测航天器轨道异常的次数、时间和类型,可应用于空间目标的监视与空间态势的感知。     

基于Kalman滤波器的卫星钟实时异常监测算法

基于卫星钟钟差的Kalman滤波器模型,提出了一种卫星钟实时异常监测算法,对算法原理进行了讨论,并利用IGS精密钟差数据,对算法进行了性能验证。结果表明：该算法对卫星钟的异常情况（包括单点相位跳变与连续相位跳变）可以进行有效监测,同时还可以完成异常数据的剔除与替换,并且具有较小的替换误差。该算法具有显著的实时性,可以应用于星载原子钟的实时异常监测中。     

2012年3月9日中国某地球同步轨道卫星故障原因分析

利用GOES-15, SDO, SOHO卫星以及国际地磁台网的地磁活动指数数据, 对中国 某颗地 球同步轨道卫星(以GEO-X代替)在2012年3月9日02:50UTC发生的异常原因进 行了研究, 分析故障发生期间的空间天气特点, 采用文献[8]提出的SEAES-GEO空 间环境引起地球同步轨道卫星异常的专家系统对卫星故障期间的内部充电危 险系数、单粒子效应危险系数以及表面充电危险系数进行定量计算和危险等 级划分. 结果表明, 在卫星故障时刻, 其内部充电危险系数小于3, 表面充电危险 系数约为0.0011, 表面充电和内部充电不是造成GEO-X故障的原因; 受故障期间 质子事件影响, 单粒子效应危险系数持续维持在1以上, GEO-X卫星故障时刻单 粒子效应危险系数Z_SEE达到46.3, 正好处于单粒子效应危险等级的 红色阶段. 因此研究认为单粒子效应可能是造成本次卫星故障的主要原因.     

基于学科链的卫星系统工程方法与实践

目前,绝大多数的卫星系统都是按照分系统来设计的,这种方法的弊端在于分系统内部重复的功能模块对整星而言是冗余的。因此,为了摒除按照分系统设计的卫星系统缺点以提高系统可靠性,我们设计了一个全新的卫星系统,其基于学科功能链。按照学科功能链,我们将卫星系统划分为控制学科链、结构热学科链、电子学学科链、载荷学科链,显著提高了卫星系统的性能、可靠性和功能密度,同时有效降低了研制成本,缩短了研制周期。最终,基于学科链的卫星系统已成功应用于北斗导航全球系统的首发卫星上。本文阐述了基于学科链设计的核心思想和四个主要的学科链内涵。     

基于天基光学探测图像初析南大西洋异常区影响

文章针对目前在轨运行的高灵敏度探测类可见光遥感器经过南大西洋异常区（SouthAtlanticAnomaly,SAA）时出现的探测能力降低、目标无法识别等现象,通过卫星在轨获取的SAA天基探测图像研究图像中出现的异常现象机理;提出了基于CCD探测器固有暗像元区的图像特征变化开展SAA影响评估的方法,根据在轨图像暗像元区的均值和标准差、图像区的热像素及活像元等特征参数的统计分析,判断经过SAA过程中连续获取的图像中出现显著影响时的拐点,通过曲线拟合估算出该轨道高度的SAA空间分布特征和边界,依此进一步提出利用在轨天基探测图像给出测量影响该轨道高度卫星SAA区域边界的简单方法;最后,基于SAA对天基探测器件的影响分析结果和认识,给出了高灵敏度探测类卫星避免或消除SAA影响的改进措施和建议。文章采用的数据分析和评估方法为提升SAA对天基探测影响的认识,以及下一步有效开展空间碎片探测工作提供参考。     

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection,CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中,为提高太阳风预报的准确率,需要提高CME参数识别的精度.模型以计算任务串行的方式运行,运算效率低导致模型运算时间长,不能满足这种需求.CME参数识别模型的物理运算过程相互不独立,其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架,改进了CME参数识别模型的计算流程,提出CDMR（CME detection under MapReduce）方法,实现了CME参数识别模型的并行计算,并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间,提高了模型的识别精度和计算效率.     

ARIMA-SVR组合模型在卫星遥测参数预测中的应用

为辅助卫星在轨运行提供决策分析支持,结合卫星遥测参数的时间序列特性,利用一种ARIMA-SVR组合预测方法,通过对卫星遥测参数进行预测,判定实际遥测数据是否处于正常范围。该组合模型利用ARIMA模型对预处理后的数据进行线性拟合,并利用SVR模型对数据的非线性部分进行补偿。以KX09卫星星敏A的温度遥测数据为基础,分别利用组合模型对短期及中期星敏A温度进行预测,得出短期和中期均方根误差（RMSE）分别为0.768和0.968,相比单一ARIMA模型,短中期RMSE分别提高46.2%和16.4%。此外,对该卫星陀螺B的x轴角速度进行了短中期预测：短期预测中,组合模型比单一ARIMA模型的RMSE提高71.2%;中期预测中,组合模型比单一ARIMA模型的RMSE提高64.2%。实验结果表明,ARIMA-SVR组合模型为保证卫星在轨正常运行提供了有效的决策分析支持。     

基于LightGBM的卫星飞轮温度预测

为保障卫星的正常在轨运行,地面系统需要对卫星运行状态进行监控预警,其中对卫星各系统的温度监控尤为重要.温度不仅直接反映卫星系统的健康状态,更会对系统器件的性能和寿命造成影响.飞轮作为卫星姿态控制系统的重要组件,其温度变化是识别姿态控制系统状态的重要信息.卫星飞轮温度的预测与预警对卫星在轨稳定运行具有重要意义.本文基于某在轨卫星遥测数据,结合空间环境数据,应用LightGBM机器学习框架研究建立梯度提升决策树模型,对卫星飞轮温度进行预测.经与实际遥测温度值进行对比验证,预测精度可以满足对卫星飞轮温度的监视需求.研究结果可应用于地面系统,对卫星姿态控制系统可能发生的温度异常进行预警,使地面运控人员能够提前规避风险,保障卫星的安全在轨运行.