一种结合小波包变换与扩散模型的卫星遥测数据异常检测方法（WPT-diffusion）

《Scientific Reports》：A satellite telemetry data anomaly detection method integrating wavelet packet transform and diffusion models (WPT-diffusion)

　　

摘要

卫星遥测数据是高维非平稳时间序列，然而现有的异常检测方法受到限制性分布假设的制约，且对复杂正常行为流形的建模能力不足。特别是，主流的深度学习方法主要利用时域信息，而忽略了多尺度频率特征，限制了对细微频谱异常的敏感性。为了解决这一问题，我们提出了小波包变换 - 扩散（WPT-diffusion），它将多尺度时频特征作为结构条件指导嵌入到扩散生成模型中。引入了可学习的 Morlet 小波核和频域注意力机制，以自适应地增强判别性子带特征，同时时间注意力捕捉长程依赖关系以提高重构保真度。在 ESA OPS-SAT 真实世界数据集上的实验结果表明，与 CATCH、USAD、TimesNet、TranAD 和 DDTAD 相比，WPT-diffusion 实现了 0.90 的精确率、0.88 的召回率和 0.890 的 F1 分数，表现优异。这些发现支持了所提出方法在真实世界卫星任务应用中的有效性。