样本熵计算程序请教
样本熵是时间序列复杂度的一种度量，在上个世纪末期由几位非线性动力学研究者提出。文献中给出的样本熵算法步骤如下：（见图SampEn1.jpg和SampEn 2.jpg）
然后我再网上下载了下面一个程序代码：
function SampEnVal = SampEn(data, m, r)
%SAMPEN计算时间序列data的样本熵
% data为输入数据序列
% m为初始分段，每段的数据长度
% r为阈值
% $Author: lskyp
% $Date: 2010.6.20
% Orig Version: V1.0--------分开计算长度为m的序列和长度为m+1的序列
% 这一版的计算有些问题，需要注意两个序列总数都要为N-m
% Modi Version: V1.1--------综合计算，计算距离时通过矩阵减法完成，避免重循环
% V1.1 Modified date: 2010.6.23
data=['Input tne data']
m=2;
r=0.2*std(data);
N = length(data);
Nkx1 = 0;
Nkx2 = 0;
% 分段计算距离，x1为长度为m的序列，x2为长度为m+1的序列
for k = N - m:-1:1
x1(k, :) = data(k:k + m - 1);
x2(k, :) = data(k:k + m);
end
for k = N - m:-1:1
% x1序列计算
% 统计距离，由于每行都要与其他行做减法，因此可以先将该行复制为N-m的矩阵，然后
% 与原始x1矩阵做减法，可以避免两重循环，增加效率
x1temprow = x1(k, :);
x1temp = ones(N - m, 1)*x1temprow;
% 可以使用repmat函数完成上面的语句，即
% x1temp = repmat(x1temprow, N - m, 1);
% 但是效率不如上面的矩阵乘法
% 计算距离，每一行元素相减的最大值为距离
dx1(k, :) = max(abs(x1temp - x1), [], 2)';
% 模板匹配数
Nkx1 = Nkx1 + (sum(dx1(k, :) < r) - 1)/(N - m - 1);
% x2序列计算，和x1同样方法
x2temprow = x2(k, :);
x2temp = ones(N - m, 1)*x2temprow;
dx2(k, :) = max(abs(x2temp - x2), [], 2)';
Nkx2 = Nkx2 + (sum(dx2(k, :) < r) - 1)/(N - m - 1);
end
% 平均值
Bmx1 = Nkx1/(N - m);
Bmx2 = Nkx2/(N - m);
% 样本熵
SampEnVal = -log(Bmx2/Bmx1);
在这段程序中，红色文字部分为自己设置的，我的疑问就是如何设置m和r的值，因为不同的m和r取值，会得到不同的最后结果，所以小弟想请教一下大家，如何根据我的数据来确定m和r的值，谢谢大家了！
谢谢了。{:{40}:}{:{40}:} 这个取值没有特别明确的标准性，经验性居多，还是要根据你分析的数据来。恐怕有时候也只能具体情况，具体分析了
页:
[1]