买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学;北京空间飞行器总体设计部申请的专利一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118094425B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410128930.9，技术领域涉及：G06F18/2433；该发明授权一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品是由皮德常;梁硕;张明江;张昊鹏设计研发完成，并于2024-01-30向国家知识产权局提交的专利申请。

本一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品在说明书摘要公布了：本发明提供了一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品，涉及卫星遥测多维时序数据异常检测领域，方法包括：将待检测的卫星遥测多维时序数据输入至异常检测模型中，输出各时刻的融合误差；异常检测模型包括降噪稀疏自编码器以及图注意力网络；降噪稀疏自编码器学习输入的卫星遥测多维时序数据的低维特征，重构卫星遥测多维时序数据，生成重构误差；图注意力网络从因果性和相似性两个层面提取不同重构的卫星遥测多维时序数据之间的相关关系，生成预测误差；生成各时刻的融合误差，判断待检测的卫星遥测多维时序数据是否存在异常；若是，记录异常时间点。本发明能够适用于不同维度的卫星遥测多维时序数据，提高异常检测精度。

本发明授权一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品在权利要求书中公布了：1.一种面向卫星遥测多维时序数据的异常检测方法，其特征在于，包括： 将待检测的卫星遥测多维时序数据输入至异常检测模型中，输出各时刻的融合误差；所述异常检测模型包括降噪稀疏自编码器以及图注意力网络；所述降噪稀疏自编码器用于学习输入的卫星遥测多维时序数据的低维特征，并根据所述低维特征重构卫星遥测多维时序数据，生成重构误差；所述图注意力网络用于从因果性和相似性两个层面提取不同重构的卫星遥测多维时序数据之间的相关关系，生成预测误差，并根据所述重构误差以及所述预测误差生成各时刻的融合误差；所述相关关系包括因果关系以及相似关系；所述低维特征为低于设定维度的特征；所述异常检测模型的构建过程，具体包括： 利用所述降噪稀疏自编码器学习卫星遥测多维时序数据的低维特征； 将卫星遥测多维时序数据按照卫星子系统进行划分，利用改进的传递熵方法识别同一卫星子系统内的卫星遥测多维时序数据的因果关系，具体包括： 计算同一卫星子系统内两个卫星遥测多维时序数据之间的传递熵； 根据所述传递熵确定因果关系图，并根据所述因果关系图确定同一卫星子系统内卫星遥测多维时序数据之间的因果关系； 基于所述因果关系，利用基于相似度的自动学习方法识别不同卫星子系统的卫星遥测多维时序数据的相似关系； 根据所述因果关系以及所述相似关系构建所述图注意力网络中的图结构； 将所述低维特征输入至具有所述图结构的图注意力网络中，确定下一时刻各个卫星遥测多维时序数据的预测结果； 基于所述低维特征，利用解码器重构所述降噪稀疏自编码器输入的卫星遥测多维时序数据，生成各个卫星遥测多维时序数据的重构结果； 根据所述预测结果、所述重构结果以及输入的卫星遥测多维时序数据之间的重构误差，生成融合误差； 根据所述融合误差构造融合损失函数； 基于所述融合损失函数，采用样本训练集对所述异常检测模型进行训练，构建异常检测模型；所述样本训练集包括历史卫星遥测多维时序数据； 根据所述融合误差判断所述待检测的卫星遥测多维时序数据是否存在异常； 若是，记录异常时间点； 若否，检测下一时刻的卫星遥测多维时序数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学;北京空间飞行器总体设计部，其通讯地址为：211106 江苏省南京市江宁区将军路29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。