样本熵综述摘抄.docx

样本嫡【仅供参考，想知道具体知识请参阅网上文献】 样本炳是在近似炳的基础上进行改进的，旨在消去近似炳自身匹配的 问题样本炳和近似炳两者区别：1、 求平均值的时候分母近似炳的分母是N-m+1说明在算总的矢 量的时候包含了自身；而样本炳是N-m在统计的时候没有包含自身2、 近似炳是先求对数，后求的和；样本炳是先求和，再求对数1、样本炳计算方法大致如下：1) 假设原始数据为{X,}={x“X2,…xj,长度为N.预先给定嵌入维数m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)=[x,, x1H,…,x,e] (1)2) 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大值，即山」二d[x (i), x (j)]=max[ | x (i+k)-x (j+k) | ] k二O~mT (2)3) 对每个i,计算x(i)与其余向量x(j)(j=1,2,…,Nf;好i)的距离如,统计 di」小于r的数目及此数目与距离总数N-m-1的比值，记作Bln (r),即 B；n(r)^{dij

不同的嵌入维数m和相似容限r对应的样本燔也不同 在一般情况下m=l或2, r=0.1~0.25SD计算得到的样本炳具有较为合理的统计特性[SD是 原始数据序列的标准差]样本炳具有以下很好的性质：(1) 样本炳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 样本炳的计算不依赖数据长度；(2) 样本炳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；(3) 样本炳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，样本炳算法可能会有以下两个问题【样本炳缺点】：a)样本炳经常会产生 不准确的估计；b)在上述计算过程中得到的””或者可能为°,因此导致无定义的样本 炳，为了得到合理的样本炳值，时间序列的长度一般建议为至【样本炳的长度】考虑到m=2,Costa etal.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】【样本炳缺点】Wu S-D,Wu C-W,Lin S-G,Et al.Analysis of complex time series using refined composite multiscale entropy[J],Physics Letters A 378:20(2014) 1369-1374.【样本炳的长度】Liu Q,Wei Q,Fan S-Z,et al.Adaptive computation of multiscale entropy and its application in EEG signals for monitoring depth of anesthesia during surgery[J].Entropyz2012,14(6):978-92.【时间序列长度建议】Multiscale entropy analysis of human gait dynamics[J].Physica A:StatisticalMechanics and its applications,2003,330(1):53-60.。