算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
本文主要介绍样本熵的物理意义、算法以及Matlab里代码实现。
7 ~- |1 M# n9 O4 U3 b: s3 p7 J
' g! Q; X# ]( `1.物理意义
- U2 n- d, j6 z  样本熵（Sample Entropy，SampEn）与近似熵的物理意义相似（近似熵参见博客【近似熵理论相关知识与代码实现】），都是通过度量信号中产生新模式的概率大小来衡量时间序列复杂性，新模式产生的概率越大，序列的复杂性就越大。
! u5 ^* Q. ]& |5 v" k- J/ L/ d  与近似熵相比，样本熵具有两个优势：样本熵的计算不依赖数据长度；样本熵具有更好的一致性，即参数m和r的变化对样本熵的影响程度是相同的。
- W( V9 Q' p2 _% b- A  样本熵的值越低，序列自我相似性就越高；样本熵的值越大，样本序列就越复杂。目前样本熵在评估生理时间序列（EEG，sEMG等）的复杂性和诊断病理状态等方面均有应用。
& p1 K$ P0 U# ]. E" b
2.计算方法
  k  a$ I+ \( l* g' U8 F  样本熵的计算方法如下：

4 v. s: _1 G& B9 o
% @6 f5 F; f( A) y& H7 {0 M3.代码实现

  在Matlab里实现样本熵函数，计算一段时间序列的样本熵值，代码如下：

' g! ~9 f( [+ Q0 M
  n! M! ^' J! \; ^0 {