国内外航天实践表明,航天器在轨故障不可避免,且其呈现“想到的故障不发生、发生的故障想不到”、更加复杂多变于设计阶段预想的特点。异常检测正是确保卫星等航天器在轨安全可靠运行的关键技术。本文立足于航天器遥测数据关联特提取、关联关系分析及异常检测三个角度,创新性提出针对参数关联特征的定量定性分析方法,并构建相应异常检测模型,算法实例证明其用于卫星实测数据具有良好效果。（1）遥测数据特征提取方面,本文提出利用并改进MINE算法衡量参数间关联关系强度,提取最大互信息系数、最大不对称度、最大边缘值和最小单元数等指标作为衡量参数对相关关系的特征,所提取特征经基于保留最优网格划分方案的状态监测实例证明合理且有效;依据最大互信息系数构建系统关联关系无向图,用于简化后续异常检测算法,能够有效减少后续参数间因果关系建模的计算量。（2）卫星参数关联关系分析方面,本文从Granger因果关系的角度分析参数间数据上的因果关系,针对卫星实测数据特征完善Granger因果关系检验步骤,对关联关系无向图节点两两进行因果关系检验,并得出预测方程及预测残差;据此构建Granger因果关系有向图模型,并给出以Granger因果关系为故障传播动力源、结合解析结构模型理论的故障波及效应预测实例以证明所构建模型定性定量分析参数关联关系的有效性;最后将预测残差作为关联特征输入异常检测算法。（3）航天器在轨异常检测方面,本文提出基于关联特征及MSET、SRPRT的多域多维特征异常检测算法,多域特征以关联特征域、频域、时域等不同领域特征为例。关联关系域特征包括描述卫星参数关联关系的MINE统计量、描述卫星Granger因果关系的预测残差,时域特征包括5种特征,频域特征包括3种。首先验证两算法的有效性并选取不同理论故障率条件下的最优参数;之后进行特征选取;历史正常数据、待检测数据送入MSET算法分别计算其健康残差、实际残差,进而以SRPRT算法判定故障是否发生。最后通过相同算法不同输入的对比实验验证关联关系域特征对于关联关系异常检测的优越性,以特征选取前后实验准确性对比证明特征选取后更适用于实时异常检测。最后,针对本文所做工作进行总结,并针对所提出模型进行优缺点分析,提出改进措施及前景展望。