发明名称 基于DTW的卫星遥测数据异常检测方法
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d<sub>min</sub>,根据d<sub>min</sub>与<img file="DDA0000744037300000011.GIF" wi="96" he="50" />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。
申请公布号 CN104915568A 申请公布日期 2015.09.16
申请号 CN201510351199.7 申请日期 2015.06.24
申请人 哈尔滨工业大学 发明人 彭宇;刘大同;陈静;庞景月;彭喜元
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 哈尔滨市松花江专利商标事务所 23109 代理人 杨立超
主权项 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={x<sub>1</sub>,x<sub>2</sub>,…,x<sub>n</sub>},对应类别标签L={l<sub>1</sub>,l<sub>2</sub>,…,l<sub>n</sub>};其中n为含有类别标签的时间序列数目,l=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<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mover><mi>S</mi><mo>&OverBar;</mo></mover><mo>=</mo><mo>{</mo><mover><msub><mi>s</mi><mn>1</mn></msub><mo>&OverBar;</mo></mover><mo>,</mo><mover><msub><mi>s</mi><mn>2</mn></msub><mo>&OverBar;</mo></mover><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mover><msub><mi>s</mi><mi>c</mi></msub><mo>&OverBar;</mo></mover><mo>}</mo><mo>,</mo></mrow>]]></math><img file="FDA0000744037270000011.GIF" wi="376" he="85" /></maths>其中<img file="FDA0000744037270000012.GIF" wi="53" he="71" />的计算方式如下:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mover><mi>s</mi><mo>&OverBar;</mo></mover><mi>l</mi></msub><mo>=</mo><mfenced open = '{' close = ''><mtable><mtr><mtd><mrow><mfrac><mn>2</mn><mrow><msub><mi>m</mi><mi>l</mi></msub><mrow><mo>(</mo><mrow><msub><mi>m</mi><mi>l</mi></msub><mo>-</mo><mn>1</mn></mrow><mo>)</mo></mrow></mrow></mfrac><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mrow><msub><mi>m</mi><mi>l</mi></msub><mo>-</mo><mn>1</mn></mrow></munderover><mrow><munderover><mo>&Sigma;</mo><mrow><mi>j</mi><mo>=</mo><mi>i</mi><mo>+</mo><mn>1</mn></mrow><msub><mi>m</mi><mi>l</mi></msub></munderover><mrow><mi>D</mi><mi>T</mi><mi>W</mi><mrow><mo>(</mo><mrow><msub><mi>x</mi><mrow><mi>l</mi><mi>i</mi></mrow></msub><mo>,</mo><msub><mi>x</mi><mrow><mi>l</mi><mi>j</mi></mrow></msub></mrow><mo>)</mo></mrow><mo>,</mo></mrow></mrow></mrow></mtd><mtd><mrow><msub><mi>m</mi><mi>l</mi></msub><mo>&gt;</mo><mn>1</mn></mrow></mtd></mtr><mtr><mtd><mrow><mi>min</mi><mrow><mo>(</mo><mover><mi>S</mi><mo>&OverBar;</mo></mover><mo>)</mo></mrow><mo>,</mo></mrow></mtd><mtd><mrow><msub><mi>m</mi><mi>l</mi></msub><mo>=</mo><mn>1</mn></mrow></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000744037270000013.GIF" wi="891" he="243" /></maths>其中,<img file="FDA0000744037270000014.GIF" wi="51" he="68" />表示第l类的类内距离均值,m<sub>l</sub>表示第l类的成员数目,<img file="FDA0000744037270000016.GIF" wi="429" he="103" />表示第l类的所有成员,DTW(x<sub>li</sub>,x<sub>lj</sub>)表示计算x<sub>li</sub>与x<sub>lj</sub>之间的DTW距离,i=1,2,…,m<sub>l</sub>‑1,j=i+1,i+2,…,m<sub>l</sub>;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={d<sub>1</sub>,d<sub>2</sub>,…,d<sub>n</sub>},其中d<sub>i'</sub>的计算方式如下:d<sub>i'</sub>=DTW(x',x<sub>i'</sub>)其中,d<sub>i'</sub>表示D的第i'个元素,x<sub>i'</sub>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l',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l'之间的最小DTW距离d<sub>min</sub>;步骤七:判断d<sub>min</sub>与<img file="FDA0000744037270000017.GIF" wi="109" he="63" />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<img file="FDA0000744037270000015.GIF" wi="280" he="74" />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。
地址 150001 黑龙江省哈尔滨市南岗区西大直街92号