常用的几种信息熵

能量熵介绍附代码

衡量信号复杂度和能量分布的不确定性的方法。能量熵的基本思想是通过分析信号的能量分布，评估其复杂度和随机性。

计算每个子带能量占总能量的比例。

设输入信号为:
$$x[n]$$
则信号的能量为：
$$E[n]=x[n{]}^2$$
然后，计算归一化的能量：
$$p[n]=\frac{E[n]}{{\sum }_{i=1}^{N}E[i]}$$
最后，能量熵的公式为：
$$H=-\sum _{n=1}^{N}p[n]\log (p[n]+ϵ)$$
其中
$$ϵ$$
是一个非常小的数值，用来避免对零取对数的数学错误。

完整的能量熵公式可以写成：
$$H=-\sum _{n=1}^N\left(\frac{x[n{]}^2}{{\sum }_{i=1}^{N}x[i{]}^2}\right)\log \left(\frac{x[n{]}^2}{{\sum }_{i=1}^{N}x[i{]}^2}+ϵ\right)$$
能量熵反映了信号能量分布的不确定性，可用来区分不同类型的信号或检测信号中的变化。
附matlab代码：
代码见公众号“慢慢的不急”