算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
- F$ P; p+ K. y. R- s1 R) k+ |7 V本文主要介绍样本熵的物理意义、算法以及Matlab里代码实现。

1.物理意义
  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。
  i/ H  T# w3 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。
* j% P1 l/ s5 r, k; J  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。

& y% g$ x8 p; U$ [/ X+ U2.计算方法
  样本熵的计算方法如下：
8 E5 D# |% C" `
' w6 S+ C& \8 D. u  ~9 P
  \5 s" D7 z& q" ^5 G3 ~# n3.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 m% X7 i  m" P6 T* q
( c  c% X+ `" L( N
" p& W: F! O+ o' p$ M& E+ |