近似熵 样本熵 模糊熵

特征提取field

表征信号序列复杂程度的无量纲指标，熵值越大代表信号复杂度越大。
应用：机械设备状态监测、故障诊断以及心率、血压信号检测
优点：抵抗环境干扰

1. 近似熵

Def: 近似熵(Approximate Entropy，ApEn)
提出：由 Steven M. Pincus 于 1991年从衡量信号序列复杂性的角度提出的[1]，用于度量信号中产生新模式概率的大小
Using: 越复杂的时间序列对应的近似熵越大，越规则的时间序列对应的近似熵则越小。
理解：为求取一个时间序列在模式上的自相似程度。对于一个信号序列的变化，可以利用近似熵值的改变达到有效识别的目的。

数学含义：

如果X(j)的对应端点都在容限范围内，则认为2维特征向量X(i)和X(j)的模式在r下近似。

物理本质：衡量当维数变化时信号序列中新模式出现的对数条件概率均值，因此理论上近似熵在表征信号序列的不规则性和复杂性方面具有较大的意义。
特点：
参考1 知乎

2. 样本熵

对近似熵算法的改进

Def: 样本熵（Sample Entropy）
提出：Richman等人提出的一种与近似熵不同的不计数自身匹配的统计量

数学含义：

参考1 知乎
参考2 csdn

3. 模糊熵

模糊熵和样本熵物理意义相似，都是衡量时间序列在维数变化时产生新模式的概率的大小。

Def: 模糊熵（Fuzzy Entropy）
提出：陈伟婷在2007年
应用：初衷是用于肌电型号处理中，不过其后在故障诊断、图像处理等领域

数学含义：

特点：

参考1 知乎
参考 csdn