算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
+ {9 P' W! L: v! I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 l9 {! J7 x$ z4 ~
1.物理意义
; ~% ]6 e* a; i1 U: \  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。
- y7 b+ e4 B' y4 J! Z/ Q$ x( c  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。
  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。
  O3 }' f/ L2 I/ ]1 G9 s
- p1 q( s. a, D3 {) [2 m! j2.计算方法
$ R( E/ L0 p+ l: _# i* k  样本熵的计算方法如下：
$ _  m9 @0 v5 q7 [+ y

3.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：

9 H1 @% z8 ]; W+ R8 h) [
$ E2 Z; M0 B1 a1 m  S+ r& [% B