算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
" J2 P( N. }* y# B+ D3 G4 Z# G; T本文主要介绍样本熵的物理意义、算法以及Matlab里代码实现。
; q% j$ N: V" p) Q5 x
/ |6 P& Q4 N! I9 O' n# S' w9 g( Z1.物理意义
5 s# R: _1 h* D; q" T& M; m  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。
/ T3 M( `- J7 U) v: J! P( f2 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。
  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。
, Y3 F3 O2 H$ A5 U
* Z0 g" s8 m4 f0 P/ i2.计算方法
  样本熵的计算方法如下：
5 A1 y& K. d/ n9 g% Q: X  j

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：

# U1 m$ q* T6 T8 m! O