共查询到20条相似文献,搜索用时 15 毫秒
1.
多尺度多变量样本熵评价同步多通道数据的多变量复杂度, 是非线性动态相互关系的一种反映, 但其统计稳定性差, 且不适用于非线性非平稳信号. 研究利用模糊隶属度函数代替模式相似判断的硬阈值准则, 并分析模糊隶属度函数形式的影响; 研究利用多变量经验模态分解算法进行多尺度化, 并对比其处理效果. 仿真试验表明, 模糊隶属度函数的引入可以有效提高算法的统计稳定性, 所构造的物理模糊隶属度函数的性能最为显著; 基于多变量经验模态分解算法的多尺度化过程可更有效地捕获信号的不同尺度成分, 从而更敏感地区分具有不同复杂度的信号. 对临床试验数据的分析支持以上结论, 且结果提示随着年龄增加或心脏疾病的发生, 心率变异性和心脏舒张间期变异性的多变量复杂度以不同的方式降低: 年龄增加会使低尺度熵值降低, 表示近程相关性的丢失; 而心脏疾病会同时影响各个尺度的熵值, 即同时丢失了近程和长时相关性. 该结论可用于指导心血管疾病的无创预警研究.
关键词:
多变量复杂度
多尺度多变量模糊熵
物理模糊隶属度函数
多变量经验模态分解 相似文献
2.
本文采用多尺度化的基本尺度熵方法,针对心率变异性信号进行了分析,研究发现多尺度化的基本尺度熵可以区分不同生理病理信号,包括健康人、充血性心力衰竭患者和房颤心律失常患者的心率变异性信号,以及健康人白天黑夜的心率变异性信号.通过对健康人代理数据的分析,发现房颤心律失常患者与代理数据的熵值趋势相似,研究结果表明房颤心律失常患者的心率变异性信号更多的是反映生理信号的线性特征,而对环境变化不能很好的进行自我调节.
关键词:
多尺度化的基本尺度熵
心率变异性
充血性心力衰竭
房颤心律失常 相似文献
3.
研究了几种典型非线性时间序列的多尺度熵特征,在此基础上分析了由插入式阵列电导传感器采集的144种流动条件下的垂直上升气液两相流电导波动信号.研究结果表明:利用小尺度下样本熵的变化速率特征可以分辨三种典型流型(泡状流、段塞流、混状流),而大尺度下样本熵的波动特征可以反映各种流型的动力学特性.泡状流随机可变特性表现为大尺度下样本熵的高值及振荡特征;段塞流气塞与液塞的间歇性运动表现为大尺度下样本熵的低值及平稳性;混状流极不稳定的振荡运动特性表现为介于泡状流及段塞流之间的熵值特点,并在更大尺度时熵值逐渐接近泡状流
关键词:
样本熵
多尺度熵
气液两相流
动力学特性 相似文献
4.
将基本尺度熵的方法在时间上做多尺度化的扩展,并将其应用到心跳间隔序列的分析研究中.研究发现,健康人的心率变异性是小时间尺度下的模式特定性与大时间尺度下的模式丰富性相结合的,而充盈性心衰患者则正好相反.这说明充盈性心衰患者在小时间尺度下心脏动力系统的控制不力,导致随机性增加,而在大时间尺度下对外界环境变化反应又不够丰富,从而导致生命更容易受威胁.据此提出了以小时间尺度下的基本尺度熵值相对于大时间尺度下平台区基本尺度熵值的变异参数δ作为区分健康人和充盈性心衰患者的诊断依据.通过对72例健康人和44例充盈性心衰患者的计算,发现两组样本差异显著,证明了参数δ的有效性.
关键词:
多尺度化的基本尺度熵
心跳间隔序列
心率变异性
充盈性心衰 相似文献
5.
本文利用多尺度排列熵对正常脑电信号和癫痫脑电信号进行了详细的分析和比较,研究了脑电图信号多尺度排列熵值和年龄的关系以及尺度因子对多尺度排列熵值的影响.通过对处于各个年龄段的22组正常人和22组患有癫痫人群的脑电图进行多尺度排列熵分析,发现在相同年龄段的人群中,正常脑电信号的多尺度排列熵值要高于癫痫脑电信号,熵值平均高出约0.19,约7.9%.另外,在尺度因子小于15的情况下,对于在30到35的年龄段正常人群,其多尺度排列熵值最大,随着年龄段的增大或降低熵值都一定程度的降低.结果证明,多尺度排列熵可以成功区分正常脑电信号和癫痫脑电信号,并且熵值可以正确地反映人体大脑发育的一般过程. 相似文献
6.
交通流演化复杂性的研究有助于深刻理解交通系统的内在演化规律,为交通流的预测和控制提供理论依据.多尺度熵方法在生理时间序列和计算机网络流量的分析中得到了广泛的应用.考虑到交通流中的车辆到达和计算机网络中的分组到达具有类似特性,本文以刹车灯模型的车头时距为分析对象,利用多尺度熵方法来分析交通流演化的复杂性.分析结果表明:1)车头时距的复杂性随着时间尺度的增加而降低,反映了交通流的短时间难预测性;2)当时间尺度较小时,车头时距复杂性在自由流时和同步流时差异不大,但是,随着时间尺度的增加,自由流时车头时距的熵值迅速下降,而同步流时车头时距的熵值下降较慢.这一特性对于识别自由流中是否产生了同步流有非常重要的参考价值.本文的研究可以为揭示交通流演化的复杂性提供新的思路和方法. 相似文献
7.
8.
9.
电力能量流复杂性主要体现于其动态行为的实时性、非线性及不确定性等,网络动力学行为分析是关键.本文在电力系统动力学平衡方程基础上,构建了系统势能与支路势能函数模型;通过提取扰动(或故障)后系统的能量信息,利用多尺度熵对扰动(或故障)后系统能量流演化过程进行了研究.结果表明:1)稳定运行状态下系统复杂度较低,且随着故障持续时间的增加,系统故障后呈现出更高的复杂度;2)不稳定运行状态下,系统在小尺度时间上表现出更强的不确定性,而在大尺度时间上表现出相对更明显的规则性;3)临界稳定运行状态与临界不稳定运行状态下,故障后的系统复杂度在不同时间尺度上呈现出较明显的差异,这对动态过程中临界点的识别有着积极的参考价值.本文研究揭示了电力能量流在物理动态过程中的演化机制,为电力系统动力学行为分析提供了新思路与新方法. 相似文献
10.
11.
神经运动控制中脑肌电同步特征可以反映皮层与肌肉之间的功能联系. 为定量研究脑电和肌电信号在不同时间尺度上的同步耦合特征, 提出多尺度传递熵方法实现静态握力输出下的脑肌电耦合分析: 对同步采集的头皮脑电信号(EEG) 和表面肌电信号(EMG)进行多尺度化, 计算不同尺度因子下EEG与EMG间的传递熵值, 获取不同耦合方向(EEG→EMG及EMG→EEG)上的非线性脑肌电耦合特征; 进一步计算功能频段下的显著性面积指标, 定量分析不同尺度下皮层肌肉功能耦合强度的差异. 分析结果显示, 静态握力输出时beta频段(15–35 Hz)皮层肌肉功能耦合特征显著, 且beta2频段(25–35 Hz)在不同尺度上EEG→EMG方向的耦合强度大于EMG→EEG方向, 耦合强度最大值和方向间耦合强度差异显著值均出现于较高时间尺度. 研究结果揭示: 皮层肌肉功能耦合具有双向性, 且耦合强度在不同时间尺度和不同功能频段上有所差异, 可利用多尺度传递熵定量刻画大脑皮层与肌肉之间的非线性同步特征及功能联系. 相似文献
12.
熵是热力学中表征物质状态的参量之一,是体系混乱程度的度量.一个信号的熵可以用来表示信号的复杂度. Duffing混沌系统从临界混沌状态向大尺度周期状态跃变的阈值是混沌系统分析的一个重要参数,它的求解方法是混沌理论目前亟待解决的问题之一.然而传统的实验分析法或者定量分析法存在一定的局限性.本文在研究中发现,系统处于混沌态和周期态时输出的多尺度熵值存在较大差异,且当系统进入周期态后多尺度熵值趋于平稳,基于这一现象结合遗传算法提出了基于多尺度熵的Duffing混沌系统阈值确定方法.利用该方法对正弦信号和方波信号的检测系统跃变阈值进行了计算,结果表明该方法快速准确且计算简单. 相似文献
13.
14.
15.
16.
杭天渊刘凤王晓蕾叶松陈振涛 《光学与光电技术》2017,(4):26-32
在分析比较传统光纤探针研制工艺特点的基础上认为其不适用于蓝宝石光纤,因此提出了基于研磨抛光系统的光纤探针制备工艺。介绍了研磨系统的组成及运作方式,阐述了光纤探针制备过程中研磨抛光与固化的主要流程。最后使用光学仿真软件Zemax进行了光纤探针传输效率的仿真测试,仿真结果表明采用940nm波段光源及"面对面"探头安置方式时光纤探针传输效率最高。可应用于蓝宝石光纤探针传感器系统的搭建。 相似文献
17.
当前,静息态功能磁共振成像(rfMRI)为脑功能检测提供了高效、快捷的先进技术.熵可以捕捉神经信号动态特征,可作为量化评估参数,但尚存在固定尺度计算缺陷且对认知行为的生物学标记少有研究,影响检测精准性.为此,本文将多尺度熵模型与机器学习方法联合,寻求BOLD信号复杂度表征健康老年人认知分数的功能影像学标记.由扫描前认知量表测试分数将98名健康老年人分为优、差两组,78名纳入训练,20名纳入测试.首先,构建多尺度熵模型,计算两组扫描数据熵,统计和对比以优化模型参数;然后,在优化参数下由统计显著性高的脑区熵值构建特征向量;最后,用极限学习机对两组分类并统计检验.发现:rfMRI多尺度熵在评估老年人认知分数时,在额、颞叶脑区存在较大显著性差异,以此为标记区分认知分数可达80%准确率.结论:额、颞叶等脑区优化的多尺度熵可有效区分健康老年人认知行为优劣.该研究将为rfMRI替代主观繁琐的传统认知量表测试提供新的检测参数和新方法. 相似文献
18.
19.
20.
根据高强度聚焦超声(HIFU)治疗中超声散射回波信号的特点,本文利用变分模态分解(VMD)与多尺度排列熵(MPE)对生物组织变性识别进行了研究.首先对生物组织中的超声散射回波信号进行变分模态分解,根据各阶模态的功率谱信息熵值分离出噪声分量和有用分量;对分离出的有用信号进行重构并提取其多尺度排列熵;然后通过Gustafson-Kessel (GK)模糊聚类确定聚类中心,采用欧氏贴近度与择近原则对生物组织进行变性识别.将所提方法应用于HIFU治疗中超声散射回波信号实验数据,用遗传算法对多尺度排列熵的参数优化后,对293例未变性组织和变性组织的超声散射回波信号数据进行了多尺度排列熵分析,发现变性组织的超声散射回波信号的多尺度排列熵值要高于未变性组织;多尺度排列熵可以较好地识别生物组织是否变性.相对于EMD-MPE-GK模糊聚类以及VMD-小波熵(WE)-GK模糊聚类变性识别方法,本文所提方法中变性与未变性组织特征交叠区域数据点更少,聚类效果和分类性能更好;本实验环境下生物组织变性识别结果表明,该方法的识别率更高,高达93.81%. 相似文献