A satellite telemetry data anomaly detection method integrating wavelet packet transform and diffusion models (WPT-diffusion)

Jin Xiao

doi:10.1038/s41598-026-67107-7

A satellite telemetry data anomaly detection method integrating wavelet packet transform and diffusion models (WPT-diffusion)

2026-08-25

0

OA

AI

DOI：10.1038/s41598-026-67107-7

原文链接

原文求助

摘要

En 中文

卫星遥测数据是高维、非平稳的时间序列，然而现有异常检测方法因受限于分布假设的严格性和对复杂正常行为流形建模能力的不足而受限。特别是，主流深度学习算法主要利用时域信息，而忽略了多尺度频域特征，限制了其对频谱细微异常的敏感性。为解决此问题，我们提出了小波包变换-扩散（WPT-diffusion）模型，该模型将多尺度时频特征作为结构化条件指导嵌入扩散生成模型中。引入可学习的Morlet小波核和频域注意力机制以自适应增强判别子带特征，同时时域注意力捕捉长距离依赖关系以提升重构保真度。在ESA OPS-SAT真实数据集上的实验结果表明，WPT-diffusion达到精度0.90、召回率0.88和F1分数0.890，显著优于CATCH、USAD、TimesNet、TranAD和DDTAD。这些发现证实了所提方法在真实卫星任务应用中的有效性。

A satellite telemetry data anomaly detection method integrating wavelet packet transform and diffusion models (WPT-diffusion)

摘要

期刊

机构

引用论文