目前卫星遥测数据建模主要解决一些典型的遥测参数短期变化规律描述和状态预测的问题。由于卫星长期在轨运行获得的遥测数据具有数据量大、变化模式复杂的特点,这些方法难以直接应用并解决遥测参数在较长时间内的变化规律描述问题。此外,由于卫星遥测数据下行速度快,因此在短时间内(如几天时间),也可以获得大量遥测数据,此时采用有关方法建立模型,需要对原始遥测数据进一步采样以降低数据量。针对目前卫星遥测数据建模方法的不足,提出一种基于模式演化的卫星遥测数据建模方法,利用卫星长期在轨运行过程中所获得的大量遥测数据,建立其遥测参数随在轨运行时间变化的模型。该方法综合应用长期遥测数据分段、时间序列模式聚类和分类、基于多序列的模式建模以及基于随机过程的模式演化过程建模方法,较好地解决了卫星长期遥测数据建模问题。其中,提出基于中值滤波的长期遥测数据野点剔除方法、基于Pearson相关系数和系统聚类的遥测数据模式聚类方法、基于序列形态特征和SVM的遥测数据模式分类方法、基于分段逼近的典型模式形式化建模方法以及基于Markov过程的遥测数据模式演化方法。基于所建立的模型,论文还提出一种虚拟遥测数据生成方法,对卫星地面测试和仿真具有一定价值。实例分析表明,论文所提出的卫星遥测数据建模方法,为解决长时间大量遥测数据建模问题提供了一条可行技术途径。