算法原理(2):样本熵(SampEn)
+ P: O+ h n {- L' P( A本文主要介绍样本熵的物理意义、算法以及Matlab里代码实现。
; j) K# k, e" J$ n' Q: ~2 P+ e/ T# O8 _$ O/ _
1.物理意义
$ ]: D" F3 l0 I8 D9 Y0 V 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。
/ X5 S" c5 H n 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。 . O3 ^) S P! r" S. l/ C" M
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。$ E9 u8 U# ^* k- s# B2 {! l$ i) l
% K+ A: D8 A0 p5 `% O2.计算方法% _: A2 e6 ~9 [ J
样本熵的计算方法如下:0 Q1 l4 X1 v( v: T) S
( i$ M) k- `* ?# ^" b4 U
8 I; _* {6 S7 \- ~. ?0 |; W3.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:
% n! l" I+ Y4 F; [# e4 e
9 I* M; N$ I K" q
9 l0 X2 ^$ T2 G1 C4 i) H# o* C$ N' A
|