近年来在轨运行的卫星数量急剧增加,通过技术手段保障卫星在轨运行的安全性和空间任务执行的可靠性越来越重要。卫星工程参数是判断卫星在轨运行状态的最主要依据。复杂的卫星系统生成海量的工程参数数据,快速从海量工程参数数据中挖掘出表征卫星状态的信息,并依此进行高效的异常检测,是确保在轨卫星可靠运行的重要方法,具有重要的研究意义和工程应用价值。针对工程参数数据量大、参数相关性高和伪周期的特性,本文提出了基于符号化表示相似性度量的卫星多元工程参数异常检测方法。卫星工程参数数据,特别是低轨卫星工程参数数据,受卫星轨道周期影响,存在一定的周期性特点。同时由于太阳活动、空间环境以及在轨不同工作模式等因素的影响,卫星工程参数的周期特征呈现明显的伪周期性,表现为周期序列长度不固定。针对卫星工程参数的伪周期特性,本文设计了一种分段算法,基于极值提取参数序列的特征并划分为不同长度的周期子序列,解决了卫星工程参数难以直接提取周期特征的问题。一颗卫星的工程参数往往达到几千个,异常涉及的参数集关联关系复杂。直接对参数进行处理,不利于快速有效地挖掘数据中的信息。通过预处理提取卫星工程参数特征,基于提取的特征进一步进行信息挖掘能够提升处理效率。针对卫星工程参数数据量大且参数相关性高的特性,基于符号聚合近似算法和n元语法模型,本文提出了一种多元参数符号化表示方法,结合参数相关性提取多元参数的潜在特征,同时有效地减少周期子序列长度,解决卫星多元工程参数集难以快速提取有效信息的问题。针对卫星工程参数经过分段处理和特征提取形成的符号化表示周期子序列,基于快速动态时间规整算法,本文建立了面向EMF算法的异常检测模型。利用在轨卫星数据进行实验验证,表明建立的异常检测模型在异常检测结果评价指标recall、precision和F1 score上均具有较好的表现。