数据缺失下稳健检测
该模型基于iTransformer的自监督学习框架，通过掩码重建预训练增强对缺失传感器数据的鲁棒性，在完整与缺失数据场景下均优于基线模型，并能高效检测突变与渐变欺骗。
Zhen, Qian · Wu Z. · Xin, Yuan · Fu, Fangzhuo Zhou
IEEE Transactions on Intelligent Transportation Systems 2026
通过掩码数据重建进行预训练，模型学会了从部分观测中推断完整运动状态，从而在传感器数据缺失时仍能准确估计位移和转角。
通过调整滑动时间窗口的大小，在累积误差和欺骗敏感性之间取得平衡，从而能够检测缓慢变化的欺骗信号。