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。
% f: `8 d) I/ U( G/ y1 ?
1.物理意义
8 z* d& d2 q7 r7 n  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。
& Z1 F8 z4 \% D4 K! V( e  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。
0 R5 F; _8 o: v$ A# T
2.计算方法
2 k- n% c) W2 y* H! B' r. w  样本熵的计算方法如下：
6 W0 t: U- X3 T( X" Y7 j0 P+ x6 L

# u5 j5 P& D8 b" O1 ]7 [3 y3.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：

( _5 C. x0 t; ^  i  b8 j3 Y
5 x  c5 j( a$ V" r