深空网络中的时间序列比较
机器学习
2021-11-03 v1 天体物理仪器与方法
摘要
深空网络（Deep Space Network, DSN）是NASA支持行星际航天器任务的国际天线阵列。一次跟踪（track）是DSN与目标航天器从开始到结束通信的一段多维时间序列，包含数千项监测数据，持续数小时，频率为0.2-1Hz。每次跟踪的监测数据报告特定航天器操作及DSN自身的性能。DSN正在接收来自太阳系中32个航天器的信号。DSN面临在降低成本和维持对DSN任务用户支持质量之间的压力。DSN链路控制操作员需要同时监测多条跟踪并实时识别异常。DSN已观察到，随着任务数量增加，需处理的数据量随时间增长。在本项目中，我们分析了过去8年的数据。跟踪中的任何异常都表明航天器、DSN设备或天气条件存在问题。DSN操作员通常会撰写差异报告以供进一步分析。人们认识到，从庞大数据库中快速找出并匹配异常的10条相似历史跟踪将十分有帮助。该工具具有三项功能：（1）识别前10条相似历史跟踪，（2）相对于参考正常跟踪检测异常，（3）比较两条给定跟踪之间的统计差异。这些功能的需求已通过21名DSN操作员与工程师的问卷调查得到确认。初步机器学习模型已展现出良好性能（AUC=0.92）。我们计划增加数据集数量并进行额外测试以进一步提升性能，之后将其集成至跟踪可视化界面，以辅助DSN现场操作员与工程师。
引用
@article{arxiv.2111.01393,
title = {Time Series Comparisons in Deep Space Network},
author = {Kyongsik Yun and Rishi Verma and Umaa Rebbapragada},
journal= {arXiv preprint arXiv:2111.01393},
year = {2021}
}
备注
7 pages, 8 figures, AIAA-ASCEND 2021