样本熵综述摘抄

1、样本爛【仅供参考，想知道具体知识请参阅网上文献】样本爛是在近似燔的基础上进行改进的，旨在消去近似爛自身匹配的问题。样本爛和近似丈商两者区别：1、求平均值的时候分母。近似燔的分母是N-m+1说明在算总的矢量的时候包含了自身；而样本爛是N-m在统计的时候没有包含自身。2、近似燔是先求对数，后求的和；样本爛是先求和，再求对数。K样本爛计算方法大致如下：假设原始数据为Xj=x1,x2,-xN,长度为N.预先给定嵌入维数ni和相似容限r,依据原始信号重构一个m维向量和相似容限r,依据原始信号重构一个m维向量X(i)二x,x1H,，x,(1)定义x(i)与x(j)间的距离dij为两者对应元素差值绝对值的最

2、大值，即dij-dx(i),x(j)=max|x(i+k)-x(j+k)|k二OmT(2)对每个i,计算x(i)与其余向量x(j)(j=1,2,，Nm;jHi)的距离尙,统计小于r的数目及此数目与距离总数N-mT的比值，记作Bln(r),即B；n(r)=dijr的数目i二iHj(3)再求(r)的平均值肿()二芮扫r理了+临七)再对维数m+1,重复上述(1)(4),得到B严(r),进一步得到Bm+1(r)理论上，原始序列的样本爛定义为：SampEn(m,当N为有限数时，上式表示成:SampEn(m,r,N)=ln(r)-ln5zn+1(r)(6)SampEn的值显然与nv的取值有关。不同的嵌入维

3、数m和相似容限r对应的样本爛也不同。在一般情况Fm=l或2,r-0.l0.25SD计算得到的样本矯具有较为合理的统计特性。SD是原始数据序列的标准差样本嫡具有以下很好的性质：(2)样本爛不包含自身数据段的比较，因此它是条件概率的负平均自然对数的精确值，因此样本嫡的计算不依赖数据长度；样本爛具有更好的一致性。即如一时间序列比另一时间序列有较高的SampEn值的话，那对于其他m和r值,也具有较高的SampEn值；样本爛对于丢失数据不敏感。即使数据丢失多达1/3,对SampEn计算值影响依然很小。对于短时间序列，样本爛算法可能会有以卞两个问题【样本爛缺点】：a)样本爛经常会产生不准确的估计；b)在上

4、述计算过程中得到的71机或者71+1可能为0,因此导致无定义的样本嫡，为了得到合理的样本爛值，时间序列的长度一般建议为10至30【样本爛的长度】考虑到m=2,Costaetal.建议时间序列的长度需长于750个数据点。【时间序列长度建议】【样本!缺点】WuS-D,WuC-W,LinS-G,Etal.AnalysisofcomplextimeseriesusingrefinedcompositemultiscaleentropyJ.PhysicsLettersA378:20(2014)1369-1374【样本嫡的长度】LiuQ,WeiQ,FanS-Z,etal.AdaptivecomputationofmultiscaleentropyanditsapplicationinEEGsignalsformonitoringdepthofanesthesiaduringsurgeryJEntropy,2022,14(6):97892【时间序列长度建议】Multiscaleentropyanalysisofhumangaitdyna