脑电信号特征提取

2023-12-18 21:53| 来源: 网络整理| 查看: 265

二、样本熵

⇒ \Rightarrow ⇒点击此处——Python代码实现

是对近似熵的一种改进算法，是一种不同于近似熵而且不进行自身匹配的统计量方法

近似熵有两个缺点：

近似熵在与自身匹配时具有偏差性；近似熵结果的一致性较差

样本熵具有如下特点：

具有比时域统计（均值、方差等）更好的估计效果；对原始数据处理时无需进行粗粒化提取；可用于由确定信号与随机信号组成的混合信号。 1、算法步骤设原始信号为{x(i),i=1,2,…,N}，按照下面公式重构出 m 维向量，用 y（i）表示，{ y(i),i=1,2,…,M,M=N-m+1},即： y ( i ) = { x ( i ) , x ( i + 1 ) , x ( i + 2 ) , ⋯ , x ( i + m − 1 ) } y(i)=\{x(i),x(i+1),x(i+2),\cdots ,x(i+m-1)\} y(i)={x(i),x(i+1),x(i+2),⋯,x(i+m−1)} 其中， m 是选定的空间维度矢量，也即窗口长度，表示从第 i 个点开始的连续 m 个值。计算 y(i)与 y(j)任意分量之间的欧式距离 d{y(i),y(j)}，并将各个分量之间最大的距离定义为最大贡献成分距离 D{y(i),y(j)}，如下式所示： D y ( i ) , y ( j ) = m a x { ∣ y ( i + k ) − x ( j + k ) ∣ } D{y(i),y(j)}=max\{|y(i+k)-x(j+k)|\} Dy(i),y(j)=max{∣y(i+k)−x(j+k)∣} 其中，i，j = 1,2, ,N-m+1， k=0,1,…,m-1。给定阈值 r（r>0），给定嵌入维数 m，计算代表序列{y(i)}规律性的概率大小量度 C i m ( r ) C_i^m(r) Cim(r)，即统计 D{y(i),y(j)}

【本文地址】

公司简介

联系我们