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。
2 ]! F5 r* M0 ~; M+ g; L: ^
4 u6 K6 i) M4 _% U% F5 b1.物理意义
0 W" u" T5 I/ t" C  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。
- c1 s' j4 T' J; D
1 C& _8 K- a' X+ n  ~# O2.计算方法
, v- o9 P9 a" i  t+ [" [  样本熵的计算方法如下：
8 f3 B  n  d/ ]/ X: t- d, a
2 w4 v" m% r7 y; N
+ [( F6 H! O! q" Z- f8 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：

0 r/ }+ \- z& S" c, Z$ j* q

2 M9 U. N& G  h. z$ b4 k* b' {