基于PCA-DNMFSC的卫星异常检测方法研究

摘要：

为了实现卫星的智能化健康管理,提出基于主成分分析-动态稀疏化非负矩阵分解(PCA-DNMFSC)进行卫星遥测异常的自动检测.DNMFSC将卫星遥测数据分解成基向量,并使基矩阵稀疏化,致使产生异常的特征凸显,从而实现异常的检测.考虑到卫星遥测数据时序相关性,提出样本数据基于前1时刻的观测数据进行动态化表示;考虑到DNMFSC对基矩阵和系数矩阵的初始化是随机的,影响算法稳定性,采用主成分分析法(PCA)对DNMFSC进行初始化处理;通过构建的统计量的累计贡献率确定异常由哪些变量产生,从而识别异常.通过不同卫星的实际数据进行实验验证,结果表明利用正常的观测数据,可以实时检测卫星遥测数据出现的异常,有效避免故障漏报.

关键词：卫星、异常检测、累计贡献率、动态稀疏化非负矩阵分解

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC1507803

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：48-52,142