皮纳卫星遥测数据异常检测聚类分析方法.pdf

第５０卷　 第４期 哈　 尔　 滨　 工　 业　 大　 学　 学　 报 Ｖｏｌ５０ Ｎｏ４ 　 　 ２０ １８年４月 ＪＯＵＲＮＡＬ ＯＦ ＨＡＲＢＩＮ ＩＮＳＴＩＴＵＴＥ ＯＦ ＴＥＣＨＮＯＬＯＧＹ Ａｐｒ． ２０１８ ＤＯＩ：１０．１１９１８／ ｊ．ｉｓｓｎ．０３６７⁃６２３４．２０１６１２１４８ 　 　 　 　 　 　 皮纳卫星遥测数据异常检测聚类分析方法 王　 婵，王慧泉，金仲和 （浙江大学 微小卫星研究中心，杭州 ３１００２７） 摘　 要：为满足皮纳卫星高维遥测数据的实时、自动化、抗概念漂移等处理要求，提出一种基于聚类的遥测数据异常检测方 法，包括子空间搜索和两阶段遥测数据聚类处理两部分．子空间搜索，通过熵值实现所有遥测数据低维子空间划分，降低计算 复杂度，避免“维度灾难”的发生；两阶段遥测数据聚类处理，在线阶段通过网格索引实时发现单点异常，离线阶段通过聚类挖 掘数据的集体异常及其特征，满足快速异常检测和复杂异常检测两种需求，并通过正常状态数据的迭代更新和算法的自适应 修改，抵抗概念漂移．ＺＤＰＳ⁃１Ａ 卫星历史遥测数据的分析结果表明，皮纳卫星遥测数据异常检测聚类方法在线阶段能实时处理 １０ ｋＨｚ 的流量数据，发现９５％的单点异常，满足皮纳卫星实时遥测数据异常检测的一般需求；算法自适应了卫星快速转动导 致的数据漂移，维持了稳定的单簇形态；同时相比原边界检查系统早一个月检测出姿态确定与控制系统中程序跑飞引起的太 阳敏感器数据紊乱故障．所提出的算法针对性解决了高维、存在概念漂移的遥测数据异常检测问题，能实时检测单点异常，具 有集体异常挖掘能力，适用于皮纳卫星星座组网的地面监控系统． 关键词：皮纳卫星；异常检测；遥测数据；聚类；在线检测；子空间搜索 － － － 中图分类号：Ｖ４７４ 文献标志码：Ａ 文章编号：０３６７ ６２３４（２０１８）０４ ０１１０ ０７ Ｐｉｃｏ⁃ｓａｔｅｌｌｉｔｅ ｔｅｌｅｍｅｔｒｙ ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ ｔｈｒｏｕｇｈ ｃｌｕｓｔｅｒｉｎｇ ＷＡＮＧ Ｃｈａｎ，ＷＡＮＧ Ｈｕｉｑｕａｎ，ＪＩＮ Ｚｈｏｎｇｈｅ （Ｍｉｃｒｏ⁃ｓａｔｅｌｌｉｔｅ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ，Ｚｈｅｊｉｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ ３１００２７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｍｅｅｔ ｔｈｅ ｒｅａｌ ｔｉｍｅ，ａｕｔｏｍａｔｉｏｎ，ａｎｔｉ⁃ｃｏｎｃｅｐｔ ｄｒｉｆｔ ａｎｄ ｏｔｈｅｒ ｐｒｏｃｅｓｓｉｎｇ ｒｅｑｕｉｒｅｍｅｎｔｓｏｆ ｐｉｃｏ⁃ｓａｔｅｌｌｉｔｅ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌｉｔｙ ｔｅｌｅｍｅｔｒｙ ｄａｔａ，ａ ｎｅｗ ｃｌｕｓｔｅｒ⁃ｂａｓｅｄ ｔｅｌｅｍｅｔｒｙ ｄａｔａ ａｎｏｍａｌｙ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ． Ｔｈｅ ｍｅｔｈｏｄ ｃｏｎｔａｉｎｓ ｃｏｒｒｅｌａｔｉｖｅ ｓｕｂｓｐａｃｅ ｓｅａｒｃｈ ａｎｄ ｔｗｏ⁃ｐｈａｓｅ ｄｅｎｓｉｔｙ⁃ｂａｓｅｄ ｃｌｕｓｔｅｒｉｎｇ ｐｒｏｃｅｓｓｉｎｇ ｆｏｒ ｔｅｌｅｍｅｔｒｙ ｄａｔａ． Ｓｕｂｓｐａｃｅ ｓｅａｒｃｈ ｃａｌｃｕｌａｔｅｓｔｈｅ ｅｎｔｒｏｐｙ ａｎｄ ｅｎｔｒｏｐｙ ｇａｉｎ ｖａｌｕｅ ｔｏ ａｃｈｉｅｖｅ ｌｏｗ⁃ｄｉｍｅｎｓｉｏｎａｌ ｓｕｂｓｐａｃｅ ｐａｒｔｉｔｉｏｎｓｏｆ ａｌｌ ｔｅｌｅｍｅｔｒｙ ｄａｔａ，ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｃｏｍｐｕｔａｔｉｏｎａｌ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ｔｏ ａｖｏｉｄ ｔｈｅ ｏｃｃｕｒｒｅｎｃｅ ｏｆ “ｄｉｍｅｎｓｉｏｎ ｄｉｓａｓｔｅｒｓ”