近似熵原理
用于度量序列的不规则层度来表示产生新序列的可能性。与维数m和阈值
r的取值关系很大。
算法
以下内容如有不对之处,望大家在评论区里告诉小鱼🐟哦,谢谢大家啦!!
step1:x={x(1),x(2),…,x(N)},确定维数m(通常取2或3)
step2:X(n)={x(n),x(n+1),…,x(n-m+1)},n=1,2,…,N-m+1
step3:d[X(n),X(j)]=max(|x(n+k)-x(j+k)|),n不等于j,k=0.1,…,m-1
step4:sd=x的标准差
step5:确定阈值r=0.1~0.25sd
step6:Cn(统计d[X(n),X(j)]<r的个数)/(N-m+1)
step7:Θ1=ln(Cn)的均值
step8:m=m+1,重复步骤step2~step7,得到Θ2
step9:ApEn=Θ1-Θ2
matlab 可运行代码
clc;
clear;
close all;
%% %%%%仿真信号设置%%%%
fs=200;T=1/fs;time=1;
t=0:T:time-T;
len=length(t);
x=2*sin(60*pi*t).*(1+0.5*sin(2*pi*t));
%% 近似熵 适用于小数据样本
%%%%------确定维数m------%%
m=2;%%%经验取值2或3
[fai(1)]=Apen(2,x,len);
[fai(2)]=Apen(3,x,len);
ApEn=fai(1)-fai(2);
function [fai]=Apen(m,x,len)
n=1:len-m+1;
for i=n
j=i:i+m-1;
X(i,:)=x(j);
end
n=1:len-m;
j=1:len-m;
k=0:m-1;
for i=n
for ii=j
if i==ii
continue;
else
x1=X(i,1+k);
x2=X(ii,1+k);
d(i,ii)=max(abs(x1-x2));
end
end
end
x_sdv=sqrt(mean((x-mean(x)).^2));
r=0.25*x_sdv;%%%%r=0.1~0.25x_sdv
for i=n
cm(i)=length(find(d(i,:)<r))/(len-m+1);
end
fai=mean(log(cm));
end