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。

9 t8 C# Q. g% t1.物理意义
; w0 `' q  ]% T  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。
: e7 k" T$ v* C! |8 D1 }2 `  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。
, w6 Q( q3 [. Y- N2 N2 R, _: C  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。
$ S2 l' ^: W" P, Y
9 U# B* ]. k5 T( F- ]( m9 z9 [$ w2.计算方法
  样本熵的计算方法如下：
* t  @2 ~) X: W# y* E0 C: ?8 h
* F. \2 ~) I2 W  r* N  F  S
$ `9 @( t  A+ D5 H! t& D: J3.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：

& w. O, a  k* c, O9 w/ Q
% T% q0 F. H2 Y. u0 ^  _