function SampEnVal = SampEn_old(data, m, r)
%SAMPEN 计算时间序列data的样本熵
% data为输入数据序列
% m为初始分段,每段的数据长度
% r为阈值
% $Author: lskyp
% $Date: 2010.6.20
data = data(:)';
N = length(data);
% 分段计算距离
for k = N - m:-1:1
xm(k, :) = data(k:k + m - 1);
end
for k = N - m:-1:1
for p = N - m:-1:1
% 统计距离,k=p时距离为0,计算时舍去一个即可
d(k, p) = max(abs(xm(p, :) - xm(k, :)));
end
end
% 模板匹配数以及平均值计算
Nk = 0;
for k = N - m:-1:1
Nk = Nk + (sum(d(k, :) < r) - 1)/(N - m - 1);
end
Bm = Nk/(N - m);
clear xm d Nk
% m值增加1,重复上面的计算
m = m + 1;
% 分段计算距离
for k = N - m:-1:1
xm(k, :) = data(k:k + m - 1);
end
for k = N - m:-1:1
for p = N - m:-
时间序列数据的样本熵
最新推荐文章于 2023-11-17 10:40:10 发布
本文深入探讨了时间序列数据中的样本熵概念,解释了其作为衡量序列复杂度和随机性的指标,以及在信号处理、生物医学和金融数据分析中的应用。通过实例,我们展示了如何计算样本熵并讨论了其在识别模式和异常检测中的价值。
摘要由CSDN通过智能技术生成