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。

% e8 Y+ P. p8 C$ ~# j1.物理意义
7 q( n7 T! {3 a, g, y2 _) n. y  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。
  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。

6 l$ |( G9 Z6 D8 Y1 r2.计算方法
; ^: t3 P; B* o) @& ^1 w  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：

  c; O9 T% w9 i9 v3 F
/ f6 R) ]. |" _! @$ S+ ^3 {