一种椭球族观测背景环境中的稀有异常信号的检测方法

本发明公开了一种椭球族观测背景环境中的稀有异常信号的检测方法，包括以下步骤：收集工作环境中的历史观测数据，形成观测数据矩阵，提取观测数据矩阵的三维特征，得到特征矩阵；利用Wasserstein对抗生成网络生成仿真的异常观测特征矩阵；利用循环神经网络训练检测模型；将纯噪声期间的观测特征矩阵和异常出现期间的观测特征矩阵作为训练数据输入，训练0/1检测模型；将检测模型用于检测观测数据异常与否。与现有稀有信号检测方法相比，能够基于数据的椭球族分布特点，考虑在分布族范畴内稳健的多维度特征，并借助深度学习技术来简单高效地利用多维度特征信息，以充分挖掘稀有信号的特征，创造高效稳健的稀有异常信号检测方法。