算法原理（2）：样本熵（SampEn）

重光兰衣

算法原理（2）：样本熵（SampEn）
5 O- P4 l$ M9 n7 p本文主要介绍样本熵的物理意义、算法以及Matlab里代码实现。
- l! j) [* A. [0 F
1.物理意义
- c& o3 m0 u8 I. x9 X& [: 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。
0 n  Y' S2 n1 c" h  [" i3 Y  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。

& Y5 E( R/ v$ Y2 V2 o+ I7 i2.计算方法
  样本熵的计算方法如下：
. t! Q1 l' ^4 h, w6 _+ ]
& G3 i; |' g6 A
- x, h- j# h9 C& K9 @) H' Z3.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：