1. 课程导入与任务总览

卫星在轨运行期间，地面测控系统持续接收下行的遥测数据。这些数据以固定周期或事件触发方式到达，包含电源母线电压、蓄电池充放电电流、太阳翼输出功率、星载计算机温度、陀螺仪漂移率、推进剂贮箱压力、姿态角速度等成百上千个参数。遥测异常识别与告警的核心工程目标，就是在这些持续变化的参数中，尽早发现偏离正常行为模式的征兆，并在故障演化为不可逆后果之前给出可操作的告警。它解决的不是"数据能不能收到"的问题，而是"数据是否可信、状态是否正常、趋势是否危险"的问题。

要理解这项工作的工程价值，需要先看清卫星遥测异常的几个典型场景。第一类是缓变型异常：例如蓄电池组在光照期与阴影期交替充放电，其端电压缓慢下降，单圈内变化可能只有几十毫伏，但连续多圈后容量衰减趋势明显。这类异常若仅靠单点阈值判断，往往在越过阈值时已经接近失效。第二类是突变型异常：如某路加热器继电器误动作，导致局部温度在数分钟内跳变十几摄氏度，遥测曲线出现明显阶跃。第三类是关联型异常：单个参数看似正常，但两个本应同步变化的参数出现背离，例如太阳翼电流下降而母线电压未按预期补偿上升，暗示供电链路存在隐性故障。第四类是数据质量异常：遥测帧计数不连续、校验字错误、参数长时间冻结不变，这类问题本身不是卫星故障，却会直接导致误判或漏判。

本课程的学习路径围绕"看得懂—判得准—报得对—复盘得清"四个能力层次展开。看得懂，要求掌握遥测参数的组织方式、采样周期、量纲与物理含义；判得准，要求能够根据参数特性选择阈值法、变化率法、残差法或统计过程控制方法；报得对，要求设计合理的告警级别、抑制窗口与确认机制，避免告警风暴和狼来了效应；复盘得清，要求能够从告警记录反推异常演化过程，形成可复用的判据。这四个层次不是并列的，而是逐层递进：没有对参数物理含义的理解，任何算法都只是数字游戏。

为了把上述能力落到可执行的程度，本课程设置了一个贯穿始终的实战项目：某低轨遥感卫星电源分系统遥测异常识别与告警链路搭建。项目以一组模拟遥测数据为输入，数据包含母线电压、蓄电池电流、太阳翼电流、负载功率四个关键参数，采样周期为1秒，覆盖连续三个轨道圈次。数据中人为嵌入了三类异常：第2圈第1800秒附近太阳翼电流出现持续下降；第3圈第600秒附近蓄电池电流出现短时尖峰；第3圈第2400秒后母线电压出现缓慢漂移。项目要求完成参数解析、基线建立、异常检测、告警生成与结果评估五个环节，最终输出一份包含检测时刻、异常类型、置信度和建议动作的告警清单。

下面这张图给出了从遥测数据到告警输出的整体信号链与关键处理节点，它也是本课程后续各章节反复参照的总体框架。

围绕这条信号链，课程将依次展开遥测参数体系与物理含义、数据预处理与质量检查、正常基线建模方法、阈值与变化率判据设计、多参数关联分析、告警分级与抑制策略、告警清单生成与评估等模块。每个模块都会回到实战项目的具体数据上，给出可运行的判据参数和可观察的结果。例如在阈值判据部分，会以母线电压为例给出"均值±3σ"基线的计算过程，并说明为什么在阴影期需要单独建立基线而不是全天共用一条阈值。

需要特别强调的是，异常识别不是追求"检测出所有异常"，而是在漏报与误报之间找到工程可接受的平衡点。实战项目中会给出一个明确的评估口径：以人工标注的异常时刻为参考，检测结果允许±30秒的时间偏差，漏报率不高于10%，误报次数不超过3次。这个口径会贯穿后续所有实验，用来判断一条判据是否真正可用。读者在完成本课程后，应当能够独立面对一组新的遥测数据，完成从参数理解到告警输出的完整链路，并对自己的判据给出可解释的置信度说明。