改进模糊熵算法及其在孤独症儿童脑电分析中的应用

摘要

模糊熵(Fuzzy entropy,FuzzyEn)是衡量时间序列在维数变化时产生新模式的概率,反映时间序列复杂性和无规则程度的参数指标.本文针对传统模糊熵算法只针对时间信号序列进行总体分析,忽略了瞬时信号变化的问题,提出了一种改进模糊熵的算法.算法将指数函数的宽度进行了优化设置,设置为0.15倍一阶差分时间序列的标准差,以此保证充分提取时间序列瞬时复杂性特征.与传统模糊熵相比,改进模糊熵包含更多时间模式信息.基于改进模糊熵结合锁相位算法,分析孤独症儿童脑电信号(Electroencephalogram,EEG)复杂性与同步性,结果表明:孤独症(Autism spectrum disorders,ASD)前颞叶的脑电信号同步性下降、复杂性降低,具有显著性差异(P<0.05).