基于多尺度熵睡眠呼吸暂停程度的分析

当前就睡眠呼吸暂停症状的研究对心血管疾病的预测有重要的临床意义。选用Apnea-ECG database里的37个研究对象,根据呼吸暂停低通气指数(Apnea Hypopnea Index,AHI)分为四类：正常群体(AHI<5),轻度睡眠呼吸暂停(5≤AHI<15),中度睡眠呼吸暂停(15≤AHI<30),重度睡眠呼吸暂停(AHI≥30)。选取样本整个数据中间时刻1小时心电信号(ECG)数据,以保证数据是处于研究对象深度睡眠下测得的。利用Costa等提出的多尺度熵(Multiscale Entropy,MSE)算法应用于ECG的RR间隔,来分析四类睡眠呼吸暂停的不同程度。根据多尺度熵指数(multiscale entropy index, MEI)定义 MEI1-3和MEI13-15。研究结果表明MEI1-3和MEI13-15能够很好的区分正常睡眠群体、轻度睡眠呼吸暂停患者、中度和重度呼吸暂停患者;并且MEI1-3和AHI二者具有良好的负相关性(R^2 =0.279,p<0.05)。     

基于多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有不同复杂性的特点,提出了一种新的基于多尺度熵(multi-scale entropy,简称MSE)和支持向量机的滚动轴承故障诊断方法.该方法首先利用MSE方法对滚动轴承不同类型振动信号进行故障特征提取,然后与样本熵方法对比说明MSE方法相对于样本熵方法的优势,最后通过适合小样本分类的支持向量机作为分类器来识别滚动轴承故障类型.对实验数据分析的结果表明,该方法能有效地实现滚动轴承故障类型的诊断.     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于多尺度熵的心电图ST段研究

首次用多尺度熵的理论研究了心电图的ST段,并将心电图ST段多尺度熵分析结果和ECG多尺度分析结果进行比较.我们发现:健康人和冠心病人心电图的样本熵值接近,它们都要高于心梗病人的样本熵值;而健康人心电图ST段的样本熵值最小,冠心病人的最高,心梗病人的样本熵值在两者之间,并给出了合理的解释.心电曲线复杂度变化的这些特点对于早期临床诊断具有重要的意义.     

交变磁场曝露对大鼠心电信号多尺度熵的影响

为研究电磁场对生物体心电信号复杂度的影响,在20mT,50Hz交变电磁场环境中曝露大鼠,连续曝露7d,采集大鼠磁场曝露前、磁场曝露10,20和30min心电信号(ECG),利用经验模态分解(EMD)重构信号,计算各信号多尺度熵(MSEn).实验结果表明,20mT,50Hz交变磁场对大鼠心电信号多尺度熵的影响具有时间效应,通过心脏的自我调控可以降低交变磁场对大鼠心脏的影响.     

基于多导脑电复杂性测度的脑疲劳分析

通过对连续长时间脑力劳动前后状态下的脑电信号进行分析,提取了脑电信号的基本尺度熵和排列熵两种复杂性测度,研究了它们与脑疲劳程度之间的关系,以及它们在不同脑疲劳状态下的变化规律及其相关性.实验结果表明,基本尺度熵和排列熵与脑疲劳程度之间存在很强的关联性,对于不同的脑疲劳状态,随着脑疲劳程度的增加,其alpha(8～12 Hz)、beta(13～30 Hz)频率段和total频率段(0.5～30 Hz)脑电信号的基本尺度熵和排列熵逐渐降低.相对于Tsallis熵算法,基本尺度熵和排列熵可以更好地反映疲劳前后脑电信号复杂度的变化特性.同时,由于基本尺度熵和排列熵算法概念简单,运算量小,因而它们的计算复杂度大大降低,运算速度更快,使得实时分析与监测脑疲劳成为可能.脑电信号的基本尺度熵和排列熵有望成为衡量脑疲劳程度的指标.     

基于广义复合多尺度熵的两相流动力学分析

多尺度熵(MSE)作为一种度量非线性时间序列复杂程度的有效分析方法,已被应用于两相流动力学特性分析.针对MSE分析中粗粒化方式的不足,采用方差代替均值以及复合化熵值的广义复合多尺度熵(GCMSE)对几种典型时间序列进行了分析.与MSE相比,GCMSE分析有效且熵值的稳定性表现更好.在此基础上,分析了125种不同流动条件下垂直上升管内气液两相流3种典型流型的压差波动时间序列.研究结果表明:泡状流、塞状流、混状流的GCMSE均随尺度因子的增大而增大,但熵值增长速率存在明显的差异,在低尺度因子下熵值增长速率能够用来表征不同流型,在中高尺度因子下熵值波动特征能够映射不同流型的非线性动力学特性.     

基于边界域条件熵的最优尺度约简

由于现实世界中属性具有多层次多尺度,因此多尺度决策表的概念被提出.目前对多尺度决策表的研究大多集中在最优尺度组合上,但通过最优尺度组合得到的并不是一个真正的约简集,仍需再次进行属性约简,因此可能会导致求约简的时间较长.为此考虑利用边界域条件熵直接求最优尺度约简.首先,引入多尺度决策表中最优尺度约简的定义,给出多种最优尺度约简的定义,探讨在协调和不协调两种背景下几种最优尺度约简之间的关系.其次,给出多尺度决策表中边界域条件熵的定义,讨论边界域条件熵的若干性质以及与约简的关系.最后,给出基于边界域条件熵的最优尺度约简算法,并用实验验证该方法的有效性.     

表面肌电信号的基本尺度熵分析方法

提出了一种基于基本尺度熵的表面肌电信号特征的提取方法.对动作持续阶段的信号进行基本尺度熵的计算,来获取肌电假手执行腕上翻、腕下翻、展拳和握拳4类动作时所对应的表面肌电信号特征.实验结果表明,通过这种方法获得的基本尺度熵能够聚集,在各自特定的范围内具有很好的类区分性,通过聚类可以有效地进行手部4种动作类别的区分.     

基于近似熵和样本熵的思维脑电信号分析对比

采用近似熵和样本熵,分别对三种不同思维任务产生的脑电信号进行特征提取,并将其特征进行比较分析,结果显示不同思维作业脑电信号的样本熵的变化幅度明显大于近似熵;近似熵和样本熵作为非线性动力学的统计方法为思维作业脑电信号特征提取提供了一种新的途径.     

基于样本熵的睡眠脑电分期

运用样本熵从波士顿Beth Israel睡眠脑电实验数据中提取睡眠特征值,对睡眠分期进行研究.针对脑电属于微弱非平稳随机信号、难于提取特征的特点,利用小波变换先有效地消除脑电信号中的噪声,再计算其样本熵用以表征睡眠各分期.计算结果表明,由清醒期到非快速眼动的Ⅳ期过程中,其样本熵值呈规律性逐渐变小,与该库中专家评定的结果相符.这说明经过小波消噪和样本熵处理的脑电信号能准确地反映睡眠各期的变化特征,比用近似熵表征睡眠分期更准确、运算速度更快,完全适用于非平稳随机信号的处理.     

基于符号编码的雷达脉冲重复间隔调制识别

为了有效地实现在小数据脉冲样本和高脉冲丢失的环境下对雷达脉冲重复间隔(Pulse Repetition Interval,PRI)调制类型的准确识别,采用符号编码理论对雷达脉冲PRI序列进行符号化处理,对得到的编码序列进行修正以及特征码序列的选取、搜索和统计,最后依据相应的判决规则得到最终的识别结果。仿真实验表明,与传统的方法相比,采用的方法有效地克服了小数据脉冲样本和高脉冲丢失环境对雷达PRI序列的特征提取和调制类型的识别所带来的不利影响,为解决这一问题提供了一种新的思路。     

正交小波多尺度阵列观测声信息融合预处理算法

在声阵列信号处理中,为了提高窄带声信号的信噪比,降低信号的失真率,提出了基于q带正交小波多尺度分析的阵列观测声信息融合预处理算法。首先,该算法将多通道阵列声信号随机分组,基于正交小波多尺度分析得到阵列信号的细节信号矩阵函数及近似信号矩阵函数;其次,构建了各组细节信号的互相关函数,给出了细节信号互相关矩阵,以细节信号的均值互相关函数为细节阈值,得到了融合细节信号集合;再次,基于融合细节信号集合和近似信号矩阵函数重构了声信号。最后,通过静态半实物仿真试验及能量比、标准差、相关系数、信噪比四个方面的统计分析,表明融合预处理算法后的观测信号不仅保留了初始观测信号90%的声能,降低了初始观测信号的波动程度,而且还保持了初始观测信号90%的相似度,提高了信噪比,降低了信号的失真率。     

带有Yager熵约束的方差-混合熵投资组合优化模型

通过引入可信性方法和Yager熵约束,建立以方差-混合熵（VHE）为风险度量的投资组合优化模型,通过上海证券交易所数据对均值-方差-混合熵模型（MVHEM）、均值-方差模型（MVM）和均值-混合熵（MHEM）模型进行实证比较分析。结果表明,本文所构建的模型可以较好地均衡方差和混合熵在风险控制方面的作用,Yager熵约束的引入可以进一步增强模型的稳定性,在控制风险水平的条件下实现了相对更高的累计收益。     

图像多尺度几何分析综述

阐述了图像多尺度几何分析技术的国内外发展现状及趋势,并介绍了其在图像处理中的部分应用,探讨了图像多尺度几何分析方法存在的问题及进一步的研究方向,为多尺度几何分析技术的发展状况提供了清晰的轮廓.     

基于小波熵的BPSK信号码元速率估计算法

为了解决在低信噪比下准确地估计BPSK信号的码元速率问题,提出了基于小波能谱熵和小波时间熵的两种码元速率估计算法.通过一维多尺度小波变换重构高频部分,分别计算重构信号的小波能谱熵和小波时间熵.对于小波能谱熵,可以直接求取码元速率;对于小波时间熵,需要根据进一步叠加运算后的峰值来求取码元速率.仿真实验表明这两种方法都可以很好地处理低信噪比下BPSK信号的码元速率估计问题,并且比瞬时自相关法具有更强的抗噪性和适应性.     

物理熵与信息熵的辨证统一

从广义和狭义角度,论述了物理熵与信息熵的不同物理内涵,并根据熵研究的最新进展,提出并论证了二熵的辨证统一性.     

不同脑负荷脑电特征的近似熵表征研究

目的研究不同生理状态下的脑电特征(EEG)。方法利用一种度量时间序列复杂性的非线性统计方法——近似熵(ApEn)方法。结果近似熵能够有效地反映脑电信号的变化情况。结论近似熵是一种值得重视且很有发展前景的复杂性分析方法。     

基于模糊熵的聚类有效性分析

模糊熵描述了一个模糊集的模糊性程度.本文将模糊熵应用于聚类有效性的分析.指出用于聚类有效性判决的划分系数是一个基于模糊熵的聚类有效性判决准则.最后通过几组数据对不同模糊熵公式的判决功能进行了比较实验.