面向卫星遥测异常检测的OPS-SAT基准
信号处理
2024-07-09 v1 人工智能
机器学习
摘要
在卫星遥测中检测异常事件是空间运营中的关键任务。然而，这项任务极其耗时、容易出错且依赖人工，从而促使自动化数据驱动的异常检测算法不断涌现。然而，目前尚无公开的、伴随真实卫星遥测数据和真实标签的数据集可用，以训练和验证异常检测的监督模型。本文 addressed this research gap and introduce the AI-ready benchmark dataset (OPSSAT-AD) containing the telemetry data acquired on board OPS-SAT -- a CubeSat mission which has been operated by the European Space Agency which has come to an end during the night of 22--23 May 2024 (CEST)。该数据集附带了使用本文引入的训练-测试数据划分方法，对30种监督和无监督经典和深度机器学习算法进行异常检测的基线结果。我们提出了一套应始终计算的质量指标，以便与新算法进行异常检测比较，同时利用OPSSAT-AD。我们认为，这项工作可能成为构建公平、可重复且客观的验证程序的重要一步，用于在无偏和完全透明的方式下量化新兴异常检测技术能力。
引用
@article{arxiv.2407.04730,
title = {The OPS-SAT benchmark for detecting anomalies in satellite telemetry},
author = {Bogdan Ruszczak and Krzysztof Kotowski and David Evans and Jakub Nalepa},
journal= {arXiv preprint arXiv:2407.04730},
year = {2024}
}
备注
13 pages, 8 figures, 3 tables