基于二维空间的时间序列样本熵的计算方法及系统技术方案

本发明专利技术公开了一种基于二维空间的时间序列样本熵的计算方法及系统，涉及信号处理技术领域，本发明专利技术通过各步骤之间的配合，实现了样本熵的计算，能够应用于脑电复杂度计算，也可应用于其他存在局部极值点的振动序列或波形的复杂度计算。振动熵可作为对波形进行模式识别的特征指标，对不同复杂度波形进行分类。在信号处理时，信号中混有白噪声的振幅和周期是在一定范围内呈混沌的正态分布的，而信号的波形较为规律，所以本发明专利技术也可用于对信号中噪声的识别和剔除。

【技术实现步骤摘要】

本专利技术涉及信号处理
，特别涉及一种基于二维空间的时间序列样本熵的计算方法及系统。
技术介绍
在对时间序列信号进行处理时，时域的非线性分析方法是脑电信号处理的重要方面，包括相关维数、李雅普诺夫指数、小波熵、近似熵、样本熵等都是比较常用的方法。振幅和周期是表达波形振动的两个重要变量，现有的脑电可以依据波形的振动特性从时间序列中提取振幅和周期特征，并结合两种特征进行非线性分析。样本熵是对振动时间序列的复杂度进行分析的一种指标，表征了时间序列中新模式的生成概率。以往的样本熵研究中，通常只将波形作为一维序列进行分析，而不能对波形的振幅-周期综合特性进行分析。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于二维空间的时间序列样本熵的计算方法及系统。依据本专利技术的一个方面，提供了一种基于二维空间的时间序列样本熵的计算方法，所述方法包括：S1：提取时间序列的极值点和极值点的时间位置，以生成极值序列P＝{p(i)

【技术保护点】
一种基于二维空间的时间序列样本熵的计算方法，其特征在于，所述方法包括：S1：提取时间序列的极值点和极值点的时间位置，以生成极值序列P＝{p(i)}及时间位置序列T＝{t(i)}，其中，i＝1,2,3,…,n；S2：生成序列Z1＝Y1‑X1，去除序列Z1的首项和尾项，以生成单调振幅序列A＝{a(k)}，并生成序列Z2＝Y2‑X2，去除序列Z2的首项和尾项，以生成单调周期序列C＝{c(k)}，其中，k＝1,2,3,…,n‑1，X1＝{0,p(i)}，Y1＝{p(i),0}，X1＝{0,t(i)}，Y1＝{t(i),0}；S3：将序列A和序列C组成向量序列O＝{(a(k),c(k))}，其中k＝1,2,3,…,n‑1，振幅序列为A＝{a(k)}，周期序列为C＝{c(k)}，k＝1,2,3,…,n‑1；S4：从序列A中提取n‑m+1个m维向量A(u)＝{a(u),a(u+1),a(u+2),…,a(u+m‑1)}，从C中提取n‑m+1个m维向量C(u)＝{c(u),c(u+1),c(u+2),…,c(u+m‑1)}，并由A(u)和C(u)组成向量序列Q(u)＝{(a(u),c(u)),(a(u+1),c(u+1)),(a(u+2),c(u+2)),…,(a(u+m‑1),c(u+m‑1))}；S5：计算向量元素(a(u),c(u))和(a(v),c(v))的Jaccard距离；S6：计算向量序列Q(u)与Q(v)的距离D[Qm(u),Qm(v)]；S7：设相似容限为R，统计出D[Qm(u),Qm(v)]<R的个数num{D[Qm(u),Qm(v)]<R}，计算num{D[Qm(u),Qm(v)]<R}与所有距离总数的比值Bum(R)；S8：计算所有向量Bum(R)的平均值Bm(R)；S9：将维数由m加到m+1，重复上述步骤S4～S8，得到Bm+1(R)；S10：根据所述Bm(R)和Bm+1(R)计算样本熵。...

【技术特征摘要】
1.一种基于二维空间的时间序列样本熵的计算方法，其特征在于，所述方法包括：...

【专利技术属性】
技术研发人员：周海燕，郭家梁，钟宁，马小萌，张明辉，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11