Zhao H T, Qiu S, Liu M, Cao X B. Satellite anomaly detection based on reconstruction discrepancy theory utilizing a new dual-branch reconstruction model. Sci China Tech Sci, 2024, 67: 3294–3307, https://doi.org/10.1007/s11431-024-2679-4
论文简介
为了提高基于重构差异性理论的深度学习方法在卫星异常检测任务中的准确性，本文提出了一种双分支重建模型(DBRM)，并围绕该模型设计了一个全面的卫星异常检测框架。首先，提出了时间-通道混合器(TC-Mixer)模块，它主要由一个用于捕获遥测数据中的长程时间依赖关系自注意力层，以及两种用于提取遥测数据在时间和通道维度上的复杂模式前馈网络(FFN)组成。这种设计使得TC-Mixer模块具备更易于提取遥测数据复杂依赖关系的能力。其次，以TC-Mixer模块为主要组件，设计了双分支重建模型(DBRM)。该模型利用一个共享的潜在表示层，使DBRM的重建分支和预测分支能够共享大部分特征提取网络架构。这种方法在降低计算复杂度的同时，显著提高了模型的回归精度。再次，以DBRM为核心表征模型，设计了一个全面的卫星异常检测框架。该框架包括同时考虑重建分支和预测分支的重构差异性的异常准则，用于异常阈值设定的POT方法，以及基于MIC的特征工程方法等。最后，在两个公开数据集和一个非公开卫星异常检测数据集上，与多种先进的异常检测算法进行了对比实验。实验结果验证了所提出方法的有效性和优越性。
