算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
) {7 S' N3 M% e7 d9 k本文主要介绍样本熵的物理意义、算法以及Matlab里代码实现。
0 N/ T4 N3 m6 r- G" y* q' Q
1.物理意义
/ k, n" e8 z2 X3 H  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。
9 X5 q+ ?$ E  K2 [/ c( J  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。
. Z3 a$ G9 }) g' R$ j  S# ?& t  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。
2 B1 w; z3 F5 j# \6 t; H' v- U
( c, r) `6 x/ n; o  T2.计算方法
4 o2 s7 \7 j+ f" f5 i1 J  样本熵的计算方法如下：


2 U/ `4 W# r" l3.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：

! |4 A) x' F" i% E, R+ ]
1 A7 R6 y' f+ Z) ~