计算机工程

作者：王爱玲, 马文臻, 邹自明, 钟佳

单位：1. 中国科学院国家空间科学中心 空间科学卫星运控部, 北京 100190;2. 中国科学院大学 计算机科学与技术学院, 北京 100049

关键词：卫星工程参数,异常检测,深度学习,迁移学习,领域自适应

基金：中国科学院“十四五”网络安全和信息化专项（WX145XQ07-06）；中国科学院网信专项（CAS-WX2021PY-0101）。

卫星工程参数异常检测是判断卫星与载荷健康状态的重要手段。传统异常检测方法通常针对具体的卫星或载荷设计，在处理新卫星和新载荷时需要重新建模和训练，然而新运行的卫星设备尚未产生足够的历史数据来支撑建模任务。融合深度学习和迁移学习思想，提出一种基于领域自适应的卫星工程参数异常检测方法。利用深度残差收缩网络(DRSN)结构框架，在训练过程中将无标签的目标域卫星工程参数数据加入网络训练过程，有效获取数据的特征表示。对提取到的数据特征使用距离度量，衡量所提取的源域特征与目标域特征之间的差异性，使得两者在特定特征空间上的分布相似，从而增强了DRSN利用已有标签数据对无标签数据的分类能力。在基于空间科学先导专项系列卫星工程参数构建的数据集上的实验结果表明，该方法的准确率达到98.03%，与梯度提升决策树、支持向量机、DRSN方法相比，迁移检测平均准确率分别高出20.95、22.51、15.02个百分点，能够有效对新卫星和新载荷开展快速准确的异常检测。

来源：2023年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第5期