算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
! Q6 @6 X* k, u( U0 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。

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。
6 A* N" n$ U6 B$ Q0 x9 E9 P0 y4 W  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。
" K0 F. X' @0 U' A2 m3 {) d  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。
$ M' y$ M$ n, r# b
( n* A  p) N# a. |5 d' ^) [2.计算方法
# f3 L, Y* P& X' G' P$ ^. ^5 f) j  样本熵的计算方法如下：


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：

1 u5 M: l: O8 `( C. h9 A- k0 i

& Q9 `+ q+ R* u3 V0 j. v( r