：本实施方式所述的步骤一的具体实现步骤如下：
[0050] 步骤1. 1 :将卫星正常运行状态下的历史卫星遥测数据以幅角突变点为标识进行 分段，得到正常时间序列X= Ix1, X2，…，X1J ;幅角为卫星遥测数据中的测试参量之一，其变 化规律为从〇~360依次递增，当达到360后，则变为0重新开始递增，其中从360变为0 这个点为幅角突变点；以幅角突变点为标识进行分段，即：记录幅角突变点的对应时间，将 其他测试参量根据幅角突变点对应的时间进行提取，提取方法为相邻两个幅角突变点对应 时间之内的测试数据提取为一条时间序列；
[0051] 步骤1. 2 :将分段后所得到的正常时间序列X = Ix1, X2，…，xn}，通过层次聚类方法 对序列进行聚类操作，从而获得正常时间序列的类别标签L = ΙΛ，I2，…，IJ，完成类别指 定。此处类别指定工作，其方法并不固定，能够实现类别指定任何现有方法都可以，层次聚 类方法是能够实现类别指定的方法之一。
[0052] 其它步骤和参数与【具体实施方式】一相同。
【具体实施方式】 [0053] 三：本实施方式所述的步骤五的具体实现步骤如下：
[0054] 步骤5. 1 :确定与待检测的时间序列X'的DTW距离最近的K个含有类别标签的时 间序列，即在D = Wud2，…，dn}中，取出K个最小的数值，确定这K个最小的数值对应的含 有类别标签的时间序列；对应的类别标签为Z =·[Α，Ζ2，···，^]·;
[0055] 步骤5. 2 :统计类别标签C =·^，/Ι，···，&}中出现频率最高的类别，即准所属类别为 1，。
[0056] 其它步骤和参数与【具体实施方式】二相同。
【具体实施方式】 [0057] 四：本实施方式所述步骤六的具体实现步骤如下：
[0058] 步骤6. 1 :求取待检测的时间序列X'与准所属类别1'中所有成员序列之间的DTW 距离序列A, =Pmj，其中Clri,,的计算方式如下
[0059] dri= DTff (x' , x ri..)
[0060] 其中，Xl，i，，表示含类别标签的时间序列X的第1'类的第i"个时间序列；Hi 1，表示 第1'类的成员数目；此时的i"= 1，2，···，!^;
[0061] 步骤6.2 :求取DTW距离序列D1，中的的最小值，即为待检测的时间序列X'与准所 属类别1'之间的最小DTW距离d^。
[0062] 其它步骤和参数与【具体实施方式】三相同。
[0063] 实施例
[0064] 针对卫星遥测数据开展基于不同时间序列相似性度量方法的异常检测实验，其中 训练样本数为50,样本为偏航姿态角数据，训练样本正常模式下各类别数据如图6所示，测 试样本为25,其数据如图7所示，所有时间序列经与数据提供单位确认已无异常，故采用异 常准入的方式对其中一个时间序列注入异常，然后进行异常检测。卫星遥测数据的异常情 况总共分为四种：脉冲型、阶跃型、渐变型、周期型。不同类型的异常模型，根据其参数的不 同又有不同的表现形式，因此，验证实验针对不同表现形式的异常进行异常检测实验，并统 计出漏检率和误检率。
[0065] 设Λ Y为偏航姿态角的最大值减去最小值，T为时间序列长度。针对脉冲 型分别取脉冲幅值为Λ Υ、〇· 5 Λ Υ、(λ 25 Λ Υ、- Λ Υ、-0· 5 Λ Υ、-0· 25 Λ Υ，分别注 入到时间序列的〇. 25Τ位置、0. 5Τ位置、0. 75Τ位置，共18种异常形式，图8为注入 脉冲型异常后的测试样本示例；针对阶跃型异常分别取阶跃幅值为Λ Υ、〇. 5 Λ Υ、 0. 25 Λ Υ、- Λ Υ、-0. 5 Λ Υ、-0. 25 Λ Υ，分别从时间序列的0. 25位置、0. 5位置、 〇. 75位置开始注入，共18种异常形式，图9为注入阶跃型异常后的测试样本示例；针 对渐变型异常分别取渐变系数为Λ Υ/Τ、0. 5 Λ Υ/Τ、0. 25 Λ Υ/Τ、- Λ Υ/Τ、-0. 5 Λ Y/ Τ、-0. 25 Λ Υ/Τ，分别从时间序列的0位置、0. 5Τ位置开始注入，共12种异常形式，图10 为注入渐变型异常后的测试样本示例；针对周期型异常分别取震动幅值为Λ Υ、〇. 5 Λ Υ、 0· 25 Λ Υ、_ Λ Υ、-0· 5 Λ Υ、-0· 25 Λ Υ，周期长度为0· 5Τ、Τ、2Τ，从时间序列起始位置注入， 共18种异常形式，图11为注入周期型异常后的测试样本示例。
[0066] 设定异常检测敏感系数P为1，实验结果如下表所示。
[0067] 表1针对不同异常表现形式采用不同相似性度量方法的异常检测结果
[0068]
[0069] 通过实验结果可以发现，应用马氏距离的异常检测结果漏检率全为零，但是误检 率达到1500 %，因此其度量效果最差。而应用欧式距离和DTW距离的异常检测结果中，误检 率都为零，其中针对脉冲型和周期型异常DTW距离体现出了明显的优势，其漏检率分别针 对脉冲型和周期型降低了 16. 67%和5. 55%，综合分析可得，采用DTW距离的异常检测度量 效果最佳。
【主权项】
1. 基于DTW的卫星遥测数据异常检测方法，其特征在于它包括下述步骤： 步骤一：以幅角突变点为标识进行分段，获取含有类别标签的时间序列，包括时间序列X= {Xl，x2，…，xn}，对应类别标签L= {lph，…，1J;其中n为含有类别标签的时间序列 数目，1 = 1，2,…，c;c为类别数目； 步骤二：计算出含有类别标签的时间序列中各类别类内的DTW距离均值S，其中丐的计算方式如下：其中，I表示第1类的类内距离均值，1%表示第1类的成员数目，4 表 示第1类的所有成员，DTW(xu,xj表示计算义^与xu之间的DTW距离，i= 1, 2,…，mfl，j=i+1，i+2,…，m1; 步骤三：获取待进行异常检测的时间序列x'，获取方式为提取最新卫星遥测数据中相 邻两个幅角突变点对应时间之内的测试数据为X'； 步骤四：计算出待检测的时间序列x'与含有类别标签的时间序列X之间的DTW距离序 列D= {屯，d2，…，dn}，其中屯，的计算方式如下： dr =DTW(x' ,xr) 其中，1表示D的第i'个元素，Xi，表示X的第i'个序列，i' = 1，2,…，n; 步骤五：采用基于DTW距离的KNN分类方法，根据设定的K近邻数目对待检测的时间序 列x'进行预分类，确定待检测的时间序列x'的准所属类别1'，其中K= 1，2,…，n; 步骤六：确定待检测的时间序列x'与准所属类别1'之间的最小DTW距离dmin; 步骤七：判断(1_与Pj,之间的大小关系，其中P为用户设定的异常检测敏感系数，得 出待检测的时间序列x'的异常检测结果，其判断规则为：若4 >P_4,则待检测的时间 序列X'判定为异常序列，否则待检测的时间序列X'判定为正常序列。2. 根据权利要求1所述基于DTW的卫星遥测数据异常检测方法，其特征在于：步骤一 的具体实现步骤如下： 步骤1. 1 :将卫星正常运行状态下的历史卫星遥测数据以幅角突变点为标识进行分 段，得到正常时间序列X={xux2，…，xn}; 步骤1. 2 :将分段后所得到的正常时间序列X= {Xl，x2，…，xn}，通过层次聚类方法对序 列进行聚类操作，从而获得正常时间序列的类别标签L={lp12，…，1J，完成类别指定。3. 根据权利要求1所述基于DTW的卫星遥测数据异常检测方法，其特征在于：步骤五 的具体实现步骤如下： 步骤5. 1 :确定与待检测的时间序列X'的DTW距尚最近的K个含有类别标签的时间序 列，即在D= {(^七，…，dn}中，取出K个最小的数值，确定这K个最小的数值对应的含有类 别标签的时间序列；对应的类别标签为…，/1}; 步骤5. 2:统计类别标签/I}中出现频率最高的类别，即准所属类别为1'。4.根据权利要求1所述基于DTW的卫星遥测数据异常检测方法，其特征在于：步骤六 的具体实现步骤如下： 步骤6.1:求取待检测的时间序列X'与准所属类别1'中所有成员序列之间的DTW距 离序列￡)r ，…1，其中di;i，，的计算方式如下 dri=DTW(x'，xri"） 其中，xlM，，表示含类别标签的时间序列X的第1'类的第i"个时间序列；mi，表示第1' 类的成员数目；此时的i"= 1，2,…，mi，； 步骤6.2 :求取DTW距离序列^，中的的最小值，即为待检测的时间序列x'与准所属类 别1'之间的最小DTW距离cU。
【专利摘要】基于DTW的卫星遥测数据异常检测方法，涉及卫星遥测数据异常检领域。本发明为了解决现有的检测方法存在的异常参数未超过报警门限导致的卫星部件异常漏检的问题、以固定点数对具有周期特性的卫星遥测数据进行分段存在较大偏差的问题和时间序列存在微小偏移而使度量结果不够准确进而导致异常检测结果不够准确的问题。本发明以幅角突变点为标识对卫星遥测数据进行分段，然后计算出含有类别标签的时间序列中各类别类内的DTW距离均值，并获取待进行异常检测的时间序列x'；计算x'与含有类别标签的时间序列X之间的DTW距离，确定x'与准所属类别l'之间的最小DTW距离dmin，根据dmin与之间的大小关系从而确定x'是否为异常序列。本发明适用卫星遥测数据异常检测。
【IPC分类】G06F19/00
【公开号】CN104915568
【申请号】CN201510351199
【发明人】彭宇, 刘大同, 陈静, 庞景月, 彭喜元
【申请人】哈尔滨工业大学
【公开日】2015年9月16日
【申请日】2015年6月24日