多尺度熵

摘要： 为揭示碳钢试样拉伸损伤过程磁信号多尺度特征,选取45钢试样开展准静态拉伸实验,提取磁场强度法向分量H_(p)(y)和磁场强度梯度K的多尺度熵特征,结合上述特征,选取支持向量机方法构建了损伤评估模型。利用原子力显微法观测各拉伸损伤阶段的磁畴形貌,提取了磁畴相位角特征。结果表明:各拉伸损伤阶段H_(p)(y)均存在对应于隐性损伤区域的零值点,随着损伤程度增加,H_(p)(y)绝对值增大,K值曲线在H_(p)(y)零值点处出现峰值。各阶段H_(p)(y)多尺度熵值随尺度因子的增加呈上升趋势。随着损伤程度的增加,H_(p)(y)多尺度熵值降低,而磁畴相位角呈逐渐上升趋势,颈缩和断裂阶段H_(p)(y)多尺度熵值再次升高,磁畴相位角则开始下降,所构建的损伤评估模型具有83.3%的损伤识别精度。本文成果可为铁磁构件在役检测及损伤评估提供方法模型支撑。

摘要： 背景糖代谢异常将导致患者自主神经功能损伤,心率变异性(heart rate variability,HRV)作为一种评估自主神经功能的无创性方法已被广泛应用。多数研究关注了HRV线性参数,对糖代谢障碍导致的HRV非线性参数的变化仍需进一步研究。目的探讨血糖代谢异常程度对HRV的时域、频域和非线性参数变化的影响。方法研究对象为2018年3月-2020年1月在解放军总医院第一医学中心高压氧病区住院治疗的204例患者,其中血糖正常(normal glucose level,NGL)组85例,年龄(56.9±11.4)岁,男性49例;糖耐量异常(impaired glucose tolerance,IGT)组32例,年龄(57.0±10.1)岁,男性25例;2型糖尿病(type 2 diabetes mellitus,T2DM)组87例,年龄(59.6±10.0)岁,男性48例;使用随行生理监护系统(SensEcho)收集连续生理数据,计算了三组入院24 h的时域、频域、庞加莱图、心率不对称性(heart rate asymmetry,HRA)以及白天4 h的多尺度熵(multiscale entropy,MSE)等参数,使用方差分析比较了这些参数。结果HRV线性参数的正常R波间期(normal-to-normal RR interval,NN)标准差(SDNN)、变异系数(CVNN)以及三角指数(HTI)在三组间逐步降低(P<0.001),IGT组相较NGL组的超低频功率(ULF)[OR(95%CI):0.995(0.992~0.998),P=0.001]和极低频功率(VLF)[OR(95%CI):1.002(1.001~1.004),P=0.003]降低;非线性参数中,与NGL组相比,T2DM组HRA的心率加速总体贡献方差(SDNNa)[OR(95%CI):0.954(0.933~0.975),P<0.001]和MSE的整体复杂性指数(Area1_20)[OR(95%CI):0.857(0.775~0.947),P<0.01]更低;与IGT组相比,T2DM组的高频功率(HF)[OR(95%CI):0.994(0.991~0.997),P<0.001]和低频高频比(LF/HF)[OR(95%CI):0.442(0.292~0.670),P<0.001]均降低;ULF与血糖水平、全血糖化血红蛋白以及2 h糖耐量水平均呈负相关(r=-0.302,P<0.001;r=-0.254,P<0.05;r=-0.252,P<0.05)。结论时域的SDNN、CVNN、HTI等线性参数随着糖代谢障碍的严重程度增加而显著降低,频域的ULF、VLF降低可能从糖尿病前期就已开始,而LF仅在糖尿病中明显降低,且ULF与3个血糖代谢指标呈负相关,LF/HF在糖尿病前期表现出了较大值;非线性的SDNNa和Area1_20在T2DM患者中明显降低。提示血糖代谢障碍或导致了IGT患者交感神经活性占优势,而T2DM患者自主神经活性整体降低,且心率整体复杂性和加速能力降低,进而影响了患者心血管调控机制。这些HRV参数或可作为血糖代谢疾病分型分级和疗效评估的有用指标。

摘要： 往复压缩机作为一种高噪声设备,采集到的轴承振动信号存在大量噪声干扰,针对这种具有非线性、非平稳性的信号,提出了一种基于最大相关峭度解卷积的往复压缩机轴承故障诊断方法。使用飞蛾扑火优化算法对最大相关峭度解卷积的参数周期T和滤波器长度L进行自适应选择,用参数优化后的最大相关峭度解卷积算法对往复压缩机轴承振动信号进行解卷积处理,从而有效地提取轴承振动信号中的冲击成分。利用多尺度熵对解卷积后的信号进行量化分析,用熵值来构建表征轴承故障的特征向量,并将特征向量输入到极限学习机对故障特征进行分类识别。最后,用实测数据验证了该方法的有效性。

摘要： 为精确识别区域降水的复杂和不确定性特征,探索对于区域降水复杂性的可能影响因素,以北大荒农垦集团有限公司建三江分公司下辖的15个农场为研究区域,采用自私兽群算法对多尺度熵参数进行寻优,利用优化后的多尺度熵对1997—2018年各个农场的月降水复杂性测度进行计算分析,采用ArcGIS软件对月降水复杂性测度进行空间化展示,探索导致降水复杂性的可能原因。结果表明:研究区中部农场的降水复杂性测度等级最高,东北部农场的次之,西南部农场的复杂性测度等级最低。通过分析发现,人类因素对降水复杂性的影响高于自然因素,人类规律性改造自然的过程会降低降水的复杂性。在模型性能上,自私兽群优化算法的寻优效率得到了显著提升。

摘要： 目的:研究癫痫疾病对心率变异性复杂度的影响,探索癫痫疾病的病理生理机制。方法:基于多尺度熵方法回顾性分析212例癫痫患者和212例健康对照清醒状态下相同时间段内4 h的RR间期序列,并量化SampEn(样本熵)、Slope_(1-5)(1~5连续5个尺度下SampEn值线性拟合的斜率)、Area_(1-5)(5个SampEn值的总和)、Area_(6-15)(6~15连续10个尺度下SampEn值的总和)、Area_(6-20)(6~20连续15个尺度下SampEn值的总和)以及SampEn_(5)(尺度5下的熵值)等特征参数以表征心率变异性复杂度。基于ROC曲线及其AUC值评估心率变异性复杂度指标区分癫痫患者和健康对照的能力。结果:癫痫患者的心率变异性复杂度指标Slope_(1-5)、SampEn_(5)、Area_(1-5)、Area_(6-15)、Area_(6-20)均显著低于健康对照(P<0.001),且与癫痫病程及发作频率无显著相关性。Slope_(1-5)区分癫痫患者和健康对照的性能最佳,AUC值为0.764,灵敏度和特异度分别为75.0%和68.9%。结论:基于多尺度熵方法量化的心率变异性复杂度指标为癫痫病理生理机制的探索提供了新的视角,在癫痫疾病的辅助诊断、治疗、预后及风险预测领域具有潜在的临床应用价值。

摘要： 针对红外图像在恶劣环境依据热辐射成像的显著效果,可见光图像具有较好的三维空间分辨率和图像清晰度,提出基于NSST多尺度熵的红外与可见光图像融合方案。方法区别于传统单一模式的图像融合方案,融合原则基于像素和区域的结合,首先将红外和可见光图像进行NSST多尺度分解,然后在不同的尺度分别对低频和高频系数进行融合,其中融合时权值的选择采用多尺度熵,最后将各个尺度上融合的图像进行逆NSST变换恢复原尺度上的图像。采用两组道路和室外图像进行验证,对比多种不同策略的融合结果,用11种图像指标评价不同的融合质量,给出该次融合的优势和可行性。结果证明采用红外和可见光传感器的图像融合,可以改善单类型传感器的图像采集结果,采用基于NSST多尺度熵的融合方案可以提高融合图像的特征值性能,满足融合图像的多方面指标需求,保持融合算法的可行性、实用性和实时性。

摘要： 为了揭示点火正时θ_(sit)对天然气发动机燃烧不稳定性的影响规律,在低负荷工况下,针对不同θ_(sit)工况进行试验,利用多重分形和多尺度熵方法对指示平均有效压力p imep、放热量Q时间序列进行分析,并利用p imep的循环变动系数P CCV进行验证,对天然气发动机燃烧不稳定性的分形特征进行了定性、定量研究。结果表明:天然气发动机燃烧过程呈现出一定的分形特征,随着θ_(sit)提前,Hurst指数变化差值和奇异谱宽度先增大后减小,P CCV先减小后增大,多尺度熵随尺度因子的增加而减小,燃烧不稳定性的分形复杂度和反持续相关性先增强后减弱,表明存在一个最优θ_(sit)使得天然气发动机的燃烧稳定性达到最佳。并且,对θ_(sit)影响天然气发动机燃烧不稳定性的原因进行了研究,为改善天然气发动机稀燃稳定性提供了理论依据。

摘要： 目的·建立小鼠持续葡萄糖监测(continuous glucose monitoring,CGM)技术,并对其血糖时间序列进行多尺度熵(multiscale entropy,MSE)分析.方法·选取饮食诱导肥胖型(diet-induced obesity,DIO)小鼠(n=3,DIO组)及对照组小鼠(n=3)为研究对象,利用全植入式血糖遥测系统分别收集2组小鼠的血糖及体温数据,取术后第10-14日数据进行分析,并统计系统的记录时间.利用MATLABR2019b软件对2组小鼠术后第11?17日的血糖时间序列进行MSE分析,计算每个时间尺度上对应的熵值.结果·成功建立了以全植入式血糖遥测系统为基础的小鼠CGM技术.6只小鼠的平均记录时间为(27.3±9.3)d,共获得232 887个血糖数值.DIO组小鼠平均血糖水平为(7.04±0.71)mmol/L,平均体温为(33.34±0.18)°C.与对照组相比,DIO组小鼠血糖时间序列复杂度较低,但差异无统计学意义.结论.成功建立了小鼠CGM技术;MSE分析发现,DIO型小鼠血糖时间序列复杂度降低,可能县S早期糖代谢异常的表现之一?

摘要： 局部均值函数的求取是局部均值分解(LMD)的关键环节.针对局部均值函数求取存在偏差进而造成模态混叠的问题,提出了一种基于局部积分均值的LMD风电机组齿轮箱故障诊断方法.该方法改变了对相邻两极值点求平均值的思路,采用求取相邻两极值点的局部积分均值,再通过滑动平均法进行平滑处理,最终得到局部均值函数.为实现风电机组齿轮箱故障诊断,首先采用改进LMD方法对信号进行降噪处理,然后采用多尺度熵提取降噪处理后信号的特征向量,最后采用极限学习机进行故障诊断.通过仿真分析,证明了该方法能有效解决模态混叠现象,提高了LMD的分解精度.试验验证分析表明,该方法的故障诊断准确率为100％,通过对比分析表明,该方法优于其他故障诊断方法,具有工程应用价值.

摘要： 针对支持向量机(SVM)应用在轴承故障分类时,传统的智能算法优化SVM的参数容易存在寻优速度慢、调节参数多,以及容易陷入局部最优值等问题,提出了一种基于CEEMDAN多尺度熵与SSA-SVM相结合的故障诊断方法.对滚动轴承的故障特征提取和SVM参数优化进行了研究,引入了一种新的群智能优化算法,用麻雀搜索算法(SSA)对SVM参数进行了优化,提高了寻优速度以及轴承的故障分类准确率;该方法先采用自适应白噪声完整经验模态分解(CEEMDAN)算法分解信号,获得了若干个固有模态函数(IMF);再采用相关系数方法选择有用IMF分量,并进行了重新组合;最后,计算重构信号的多尺度熵作为特征向量,输入SSA优化的SVM进行了故障分类.研究结果表明:采用该方法能够准确地获得故障信息,且识别准确率高;与PSO、GA优化的SVM相比,该方法的故障诊断分类性能更好.

摘要： 针对视觉系统和本体感觉对静态稳定的影响,采用三轴加速度计获取四种不同站立状态下的人体姿态数据,引入基于多尺度熵的数据分类处理方法,将多尺度熵作为人体静立姿态数据复杂性的度量,实现不同站立状态的分类.结果表明:随着尺度的增加,多尺度熵值曲线趋于平稳,并具有明显的区分度,能较好地对不同人体站立状态进行分类识别.

摘要： 利用传统的小波分解和单一样本熵对癫痫脑电信号进行处理,无法有效地将特征信号完全提取出来.针对这种情况,文中提出一种基于小波包变换和多尺度熵的癫痫脑电信号分析方法.以临床采集的癫痫患者正常状态下和发病期间的2组3 500个EEG数据为样本,首先应用小波包变换对原始EEG信号进行多分辨率分解,并提取4种小波包系数下对应的EEG信号作为原始EEG数据;然后对EEG信号进行多尺度熵分析.试验结果表明,该方法能够有效地提取癫痫EEG信号的特征.

摘要： 针对往复式压缩机气阀振动信号的非线性和非平稳性,提出了一种基于多尺度熵的往复式压缩机气阀故障特征提取方法.该方法是在样本熵的基础上提出多尺度熵的概念,给出一种计算多尺度熵的算法,此算法可用以衡量时间序列在不同尺度上的复杂性.对2D12型往复式压缩机正常阀片、缺口阀片、断裂阀片及弹簧损坏四种状态下的振动信号的分析表明,多尺度熵能够准确、有效地衡量往复式压缩机气阀振动信号在不同尺度因子下的复杂性程度,能够对往复式压缩机的工作状态作出准确判断,可用作判断往复式压缩机气阀故障类型的特征参数.

摘要： 针对不规则脉冲簇难以判别的科学问题,将多尺度熵应用到“不规则”先导的分析中,探讨了闪电信号不规则脉冲分析应用中多尺度熵关键参量的选择方法,在此基础上对“不规则”先导和梯级先导两种闪电信号的多尺度熵进行了比较,统计分析结果表明:(1)多尺度熵能够作为特征参量用以区分梯级先导和“不规则”先导;(2)可以把尺度大于3的多尺度熵作为“不规则”先导的特征熵,其平均值在2.0-2.1之间波动,最大值的范围在2.6-2.8之间,最小值的范围在1.51-1.59之间;(3)“不规则”先导的熵值随尺度先增加后趋于平稳,并且在尺度大于3时,熵值大于1.5;梯级先导的熵值随尺度整体呈现增长的趋势,但变化不明显,当尺度大于3时,熵值小于1.5.

摘要： 多尺度熵是关于在多个时空尺度上分析生物系统时间序列复杂度和分形特征的一种非线性方法。本文应用这一方法研究了实验常用的麻醉药物对肾交感神经活动的影响。对清醒和麻醉大鼠的肾交感神经活动分析的结果表明：（1）当尺度增大到12 之后，清醒鼠的神经活动熵值显著大于麻醉鼠；（2）两种状态下大鼠神经活动的熵值随尺度的变化趋势显著不同；（3）对于肾交感神经活动这类貌似随机的时间序列，多尺度熵比样品熵等算法更能全面地反映出神经系统的非线性特征。

摘要： 从2016年9月开始,笔者有幸参与广安门医院的培养计划,在哈佛医学院附属的BIDMC(贝斯以色列女执事医院)学习一年.麻州被称为美国精神的发祥地,拥有世界最高等的学府哈佛和麻省理工学院,波士顿又是美国独立战争第一枪打响的地方,是美国的文化中心,现在依托哈佛医学院的雄厚实力,己发展为美国最重要的医疗城市,拥有包括丹娜法伯癌症中心、布列根妇女医院、麻省总医院、贝斯以色列女执事医疗中心、波士顿儿童医院、麻州眼耳医院等一系列世界知名的医院.在这里学习,可以经常听到业内知名专家的报告,收获颇丰.

摘要： 从2016年9月开始,笔者有幸参与广安门医院的培养计划,在哈佛医学院附属的BIDMC(贝斯以色列女执事医院)学习一年.麻州被称为美国精神的发祥地,拥有世界最高等的学府哈佛和麻省理工学院,波士顿又是美国独立战争第一枪打响的地方,是美国的文化中心,现在依托哈佛医学院的雄厚实力,己发展为美国最重要的医疗城市,拥有包括丹娜法伯癌症中心、布列根妇女医院、麻省总医院、贝斯以色列女执事医疗中心、波士顿儿童医院、麻州眼耳医院等一系列世界知名的医院.在这里学习,可以经常听到业内知名专家的报告,收获颇丰.

摘要： 从2016年9月开始,笔者有幸参与广安门医院的培养计划,在哈佛医学院附属的BIDMC(贝斯以色列女执事医院)学习一年.麻州被称为美国精神的发祥地,拥有世界最高等的学府哈佛和麻省理工学院,波士顿又是美国独立战争第一枪打响的地方,是美国的文化中心,现在依托哈佛医学院的雄厚实力,己发展为美国最重要的医疗城市,拥有包括丹娜法伯癌症中心、布列根妇女医院、麻省总医院、贝斯以色列女执事医疗中心、波士顿儿童医院、麻州眼耳医院等一系列世界知名的医院.在这里学习,可以经常听到业内知名专家的报告,收获颇丰.

摘要： 从2016年9月开始,笔者有幸参与广安门医院的培养计划,在哈佛医学院附属的BIDMC(贝斯以色列女执事医院)学习一年.麻州被称为美国精神的发祥地,拥有世界最高等的学府哈佛和麻省理工学院,波士顿又是美国独立战争第一枪打响的地方,是美国的文化中心,现在依托哈佛医学院的雄厚实力,己发展为美国最重要的医疗城市,拥有包括丹娜法伯癌症中心、布列根妇女医院、麻省总医院、贝斯以色列女执事医疗中心、波士顿儿童医院、麻州眼耳医院等一系列世界知名的医院.在这里学习,可以经常听到业内知名专家的报告,收获颇丰.

摘要： 结合经验模态分解和样本熵分析方法,本文对上证综合指数、深圳成份指数和道琼斯指数的18年日收盘时间序列进行了多尺度复杂性分析.研究结果表明:(1)股票时间序列EMD 分解后时间尺度越短的内模函数样本熵值越高,序列越复杂.(2) 对比不同股票市场,发达股票市场的各阶模态的样本熵总体大于我国股票市场相应各阶模态的样本熵值,表明发达股票市场的复杂度要大于我国股票市场的复杂度,市场更为成熟.(3) 国内股票市场各阶模态的样本熵值随时间变化逐渐增大,表现为一个发展成熟过程.(4) 在对数收益率情况下,道琼斯指数的熵值总体呈下降趋势,而国内的上证综指和深证成指的熵值却在宏观调控的影响下稳定增加.

摘要： 本发明提出一种基于背景抑制与多尺度局部熵的红外弱小目标检测方法，首先对红外图像进行归一化处理；其次对红外图像进行导向图滤波器滤波，差分之后得到背景抑制后的图像；然后通过计算多尺度局部熵权值图，对同一像素位置取不同尺度局部熵显著图的最大值，得到最终的局部熵权值图；之后对背景抑制后的图像与局部熵显著图进行相乘，得到红外小目标的显著图；最后利用Susan滤波器对显著图进行滤波，去掉孤立的亮点，处理后图像的非零区域即为小目标区域。本发明可用于对红外图像中的弱小目标进行检测，能有效的提高红外图像中小目标的检测精度。

摘要： 本发明公开了一种基于变尺度符号补偿传递熵的情绪诱导脑电信号分析方法，从研究脑通道间定向信息交互的角度出发，对脑电(EEG)信号变尺度符号化后，考虑对瞬时因果效应的补偿算法，提出了以变尺度符号化补偿传递熵为特征的情感分析方法，并使用补偿传递熵得到的因果关系构建脑网络模型，定量地揭示瞬时因果效应对情感分析的影响。本发明提出的变尺度符号化补偿传递熵所提取的特征可以有效分析情感变化时脑区之间的信息交互，为情感分析和计算提供了新的方法和思路。

摘要： 本发明公开了一种基于改进多尺度散布熵的大地电磁信号去噪方法及系统，该方法包括：步骤S1：将大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；步骤S3：对所述强干扰信号段进行去噪；步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。本发明能获得高质量的大地电磁信号，能有效避免大地电磁低频数据丢失的情况，提升针对性去噪效果。

摘要： 本发明公开了一种基于多时间尺度传递谱熵的功能性皮质肌肉耦合分析方法。首先，在实验过程中采集受试者的脑电信号和上肢相关肌肉的肌电信号。然后对脑电信号和肌电信号去除伪影，去噪，滤波处理。计算处理后的脑电信号和肌电信号之间的多时间尺度传递谱熵以及尺度为s时，特定频段内的显著性面积值。然后分析双侧运动区的脑电信号与指浅屈肌的肌电信号之间的功能性皮质肌肉耦合。本发明的多时间尺度传递谱熵不仅抑制了虚假耦合，而且还描述了局部频段内的信息传递。此外，多时间尺度传递谱熵为研究功能性皮质肌肉耦合的多尺度特性提供了新的视角，而且可以更好的分析功能性皮质肌肉耦合的耦合强度、信息流、局部频带等特性。

摘要： 本发明公开了一种基于多尺度排列熵算法的电力设备状态识别方法，包括，分析电力设备的运行状态参数，根据运行状态参数生成电力设备的交叉组合分布式特征量；根据电力设备的交叉组合分布式特征量，辨识电力设备状态参量；对电力设备状态参量进行特征提取，并基于多尺度排列熵算法对提取的特征进行分析，识别电力设备状态，并计算电力设备状态监测的可靠性参数分布。本发明通过优化多尺度排列熵算法，实现对复杂电力系统的多重尺度运行状态信息进行分析与识别，有效提升电力设备状态识别精度和识别效率。

摘要： 本发明提供一种交通流量的多尺度符号动态熵分析方法，包括以下步骤：步骤S10，采集交通流量数据，所述交通流量数据按天采集；步骤S20，将交通流量数据的原始时间序列进行处理，计算获得多尺度符号动态熵；步骤S30，通过多尺度符号动态熵区分交通流程数据的模式。本发明能够有效地评价交通流量数据时间序列的规律性，从而为交通系统分析提供了更方便、更强大的工具。

摘要： 本发明提供基于多尺度加权排列熵的运动想象脑电信号特征提取方法，所述基于多尺度加权排列熵的运动想象脑电信号特征提取方法包括S1、运动想象脑电信号预处理，通过CMWPE熵值变化确定最优时间段；S2、获取广义粗粒化序列；S3、广义复合多尺度加权排列熵的计算；S4、特征向量的构建。本发明提供的基于多尺度加权排列熵的运动想象脑电信号特征提取方法具有能够有效的提取脑电信号的特征，且能够提高脑电信号分类识别率的优点。

摘要： 本发明提出一种基于改进多尺度排列熵的振动信号识别方法和系统。其中，方法包括：采集不同工作状态下的振动信号，对采集到的不同工作状态下的振动信号进行基于滑动窗口和样本分位数的多尺度分析，得到多尺度分析后的序列；求取所述多尺度分析后的序列的排列熵，得到多尺度排列熵值，并以所述多尺度排列熵的值作为不同故障状态下振动信号的特征向量；将所述特征向量输入至基于机器学习的分类器，从而实现不同故障状态振动信号的识别，得到故障状态识别结果；根据故障状态识别结果，验证所述识别方法的合理性。本发明具有解决常规多尺度排列熵的故障诊断算法在故障特征提取上存在着能力不足的缺陷，并且计算时间短，提高了故障诊断效率。

摘要： 本发明提供了一种基于脑网络和多尺度排列熵的脑电信号情绪识别方法，对获取的脑电信号去除伪迹并进行降采样；对降采样的脑电信号利用小波包变换进行分解，根据分解结果，采用互信息与最小生成树构建脑网络，提取脑网络特征；对降采样的脑电信号采用快速变分模态分解与小波包变换进行模态和频带分解，利用遗传算法优化多尺度排列熵的参数选择，得到非线性多尺度排列熵特征；将提取出的脑网络特征与非线性多尺度排列熵特征进行特征的融合，得到融合后的特征向量；根据融合后的特征向量和随机森林分类模型，得到情绪状态识别结果；本发明结合脑网络特征与多尺度排列熵的融合，提高了脑电信号情绪识别的速度和精度。

摘要： 本发明属于医疗技术领域，涉及一种基于自适应多尺度熵分析心率变异性数据的方法；本发明克服MSE量化HRV复杂性固定尺度缺点，全面准确量化HRV复杂性；本方法中采用积分均值模态分解对HRV进行自适应分解，得到一系列原数据的多尺度均值替代数据集合；其次，均值替代数据集合中的每一个元素粗粒化并得到各自对应的自适应尺度；最后，计算粗粒化后的均值替代数据集合中每一元素的SampEn值，得到自适应多尺度熵；自适应多尺度熵可以全面准确评估HRV复杂性。