基于字符串变量的模糊熵算法的改进

摘要：

为了解决样本熵算法缺乏连续性,而改进的样本熵算法即模糊熵算法运算复杂、速度慢的问题,结合模糊熵和样本熵算法各自特点,引入字符串变量代替相空间重构的思想,建立模糊熵新改进算法.选择35名大学生作为被试,分别以样本熵、模糊熵和新改进模糊熵算法计算复杂度参数,进行体现认知功能特征的事件相关电位复杂度分析,3种算法得出的复杂度对比分析表明:模糊熵新改进算法计算结果与样本熵算法和原模糊熵算法均具备一致性,适用于脑电信号特征提取.新改进算法与样本熵算法相比,计算事件相关电位得到的熵值变化幅度更大,更能有效识别被试的认知活动中脑活跃程度;计算长度为1 000的脑电序列一次,平均运算时间只需约2.1s,较样本熵算法3.2s,模糊熵算法10.4 s,大大提高了运算速度.

关键词：事件相关电位、复杂度、模糊熵、样本熵、认知能力、运算速率

所属期刊栏目：36

分类号：R318.04(医用一般科学)

资助基金：江苏省普通高校研究生科研创新计划项目CXLX11_613;江苏大学大学生科研项目11A371,10C067

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：70-73