Archivio Istituzionale della RicercaWe present a data-driven anomaly detection framework for satellite telemetry, enhancing space mission assurance by identifying faults without labeled data, enabling early detection and increased reliability in dynamic orbital environments.
AI-Driven Anomaly Detection in Satellite Telemetry for Space Mission Assurance / Buccellato, Federico; Nicolini, Davide; Vacca, Eleonora; Sterpone, Luca. - ELETTRONICO. - (2025). (Intervento presentato al convegno IEEE Radiation and Its Effects on Components and Systems 2025 tenutosi a Antwerp, Belgium nel 29 September to 03 October - 2025).
AI-Driven Anomaly Detection in Satellite Telemetry for Space Mission Assurance
Buccellato, Federico;Nicolini, Davide;Vacca, Eleonora;Sterpone, Luca
2025
Abstract
We present a data-driven anomaly detection framework for satellite telemetry, enhancing space mission assurance by identifying faults without labeled data, enabling early detection and increased reliability in dynamic orbital environments.
File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
RADECS25.pdf
accesso riservato
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
484.62 kB
Formato
Adobe PDF
|
484.62 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/11583/3000981