使用MATLAB實(shí)現(xiàn)樣本熵算法_第1頁
使用MATLAB實(shí)現(xiàn)樣本熵算法_第2頁
使用MATLAB實(shí)現(xiàn)樣本熵算法_第3頁
使用MATLAB實(shí)現(xiàn)樣本熵算法_第4頁
使用MATLAB實(shí)現(xiàn)樣本熵算法_第5頁
已閱讀5頁，還剩1頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、9口Coe二口矗怒M帚咪氷抵翼冷址-熬N編咪11-WJ-熬N觀瞰 一、實(shí)驗(yàn)題目：Matlab平臺(tái)上編寫出程序，用樣本熵實(shí)現(xiàn)樣本熵算法并能夠在算法分析醫(yī)學(xué)信號(hào)并得出結(jié)果。二、實(shí)驗(yàn)要求：可以熟練使用Matlab進(jìn)行編程。 # #三、實(shí)驗(yàn)內(nèi)容：對(duì)一個(gè)N點(diǎn)的時(shí)間序列u(j)：1jN, # #構(gòu)成Nm1個(gè)矢量X(i)i1iNm1,其中mX(i)u(ik):0kml是從u(i)到u(iml)的m個(gè)數(shù)據(jù)點(diǎn)的矢m量。兩個(gè)矢量的距離定義為：du(i),u(j)maxx(ik)u(jk)0kml即它們的對(duì)應(yīng)的標(biāo)量分量的最大差額。B為距離矢量iX(i)為r的矢量X(j的數(shù)量，A為距離矢量mmiX(i)為r的矢量X(

2、j)的數(shù)量。則樣本熵定義為：m1m!SampEnlog(A/B)其中r為時(shí)間序列u(j)大小的標(biāo)準(zhǔn)差乘以0.15,即： #r0.15STD(u(j) 四、實(shí)驗(yàn)過程：實(shí)現(xiàn)代碼：clear；yf=textread(d：nsrdb-16786.txt)；N=iooo；random=fix(rand(i)*ioooo)；X(i：N)=yf(random：(random-1+N),2)*1OO+21OO;r=o.15*std(X);A=o;B=o;m=3;fork=1:mY(1：N-m+1,k)=X(k：(N-m+k);endfori=1：N-mforj=(i+1)：N-m+1dij(1：m)=abs(Y(i,1：m)-Y(j,1：m);d=max(dij);if(d=r)B=B+1;endendendm=m+1;fork=1：mY(1：N-m+1,k)=X(k：(N-m+k);endfori=1：N-mforj=(i+1)：N-m+1dij(1：m)=abs(Y(i,1：m)-Y(j,1：m);d=max(dij);if(d=r)A=A+1;endendend實(shí)驗(yàn)結(jié)果:SampEn=0.1784六、實(shí)驗(yàn)小結(jié)：通過實(shí)驗(yàn)了解了很多有關(guān)樣本熵算法的公式，樣本熵定義為：SampEnlog（A：B）。這對(duì)醫(yī)學(xué)信號(hào)處理這門課的學(xué)習(xí)也有

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論