样本熵
样本熵的相关文献在2004年到2022年内共计499篇,主要集中在自动化技术、计算机技术、机械、仪表工业、电工技术
等领域,其中期刊论文432篇、会议论文9篇、专利文献30684篇;相关期刊258种,包括江苏大学学报(自然科学版)、北京生物医学工程、中国生物医学工程学报等;
相关会议9种,包括2015年中国生物医学工程联合学术年会、第十一届全国随机振动理论与应用学术会议、福建省电机工程学会第十四届学术年会等;样本熵的相关文献由1617位作者贡献,包括和卫星、宁新宝、席旭刚等。
样本熵—发文量
专利文献>
论文:30684篇
占比:98.58%
总计:31125篇
样本熵
-研究学者
- 和卫星
- 宁新宝
- 席旭刚
- 罗志增
- 孙辉
- 张启忠
- 张毅
- 毕贵红
- 胡姝博
- 佘青山
- 刘慧
- 周云龙
- 周玮
- 张文斌
- 彭飞翔
- 明东
- 曾宪文
- 李敏洁
- 綦宏志
- 郑近德
- 郭谋发
- 钱志余
- 陈永往
- 陈立纯
- 高桂革
- 高正男
- 万柏坤
- 于晓颖
- 刘常春
- 刘荣海
- 周鹏
- 孔戈
- 孙长城
- 孟明
- 张宁
- 徐晓燕
- 徐桂芝
- 曹锐
- 朱海港
- 杜金刚
- 杨硕
- 杨绍普
- 楼军伟
- 王俊
- 王勇军
- 王奇
- 王明时
- 王春方
- 相洁
- 程军圣
-
-
时培明;
张慧超;
韩东颖
-
-
摘要:
为解决多元变分模态分解(MVMD)经验参数设置对分解结果的影响,提出一种新的自适应多元变分模态分解(AMVMD)方法并将其应用于轴承的故障诊断方面。首先,将最小平均包络熵(MAEE)作为适应度函数,采用灰狼算法(GWO)寻求MVMD参数的最优解,并按照最优参数对原始信号进行分解。然后,计算各本征模态分量(IMF分量)的样本熵和相关系数,选取最佳模态进行信号重构。最后,通过Teager能量算子(TEO)对重构信号进行解调,以增强微弱的瞬态冲击成分并识别特征频率。结果表明:将所提出的AMVMD与TEO相结合可以有效减少信号噪声,提取轴承的故障特征。
-
-
刘嘉辉;
秦仙蓉;
王玉龙;
孙远韬;
张氢
-
-
摘要:
为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换(dual-tree complex wavelet transform,简称DT-CWT)与样本熵(sample entropy,简称SE)相结合的监测信号自适应降噪方法(DT-CWT-SE)。首先,采用双树复小波变换对含有噪声的监测信号进行多层分解;其次,分别计算双树复小波分解所得的各尺度细节分量样本熵与相邻尺度细节分量的样本熵的差值,通过比较相邻各尺度样本熵之差的大小确定双树复小波最优分解层数;最后,根据各尺度样本熵的变化规律确定各层小波系数的降噪阈值,对降噪后的小波系数进行重构以实现信号自适应降噪。仿真分析与实验对比结果表明:该方法对监测信号去噪较彻底,且降噪后的信号失真度小,降噪效果以及保留原信号信息完整性的能力明显优于传统小波阈值降噪法。
-
-
雷春丽;
曹鹏瑶;
崔攀;
张晨曦
-
-
摘要:
针对轴承早期微弱故障的预测问题,提出将样本熵和变分模态分解法结合的方法。首先计算主轴轴承振动信号的样本熵值,构成轴承健康状态时间序列;其次K从2~10分别取值,对轴承健康状态时间序列进行变分模态分解,得到不同的IMF分量,分别将不同K值分解下低频分量作为轴承振动信号的趋势项;最后根据互相关性、峭度、方差准则,找到最优的轴承振动信号的趋势项,并与已有指标对比。实例验证:将样本熵和变分模态分解法结合,提取轴承振动信号的趋势项,能够更早地预测出轴承早期微弱故障。
-
-
樊轲
-
-
摘要:
由于脑电信号因人而异,传统的机器学习方法很难适用于每一个患者。为了解决上述问题,文中提出一种基于迁移学习的癫痫发作预测方法。以波士顿儿童医院癫痫脑电数据集作为实验数据,以6组不同频率区间的带通滤波作为预处理方法,用样本熵作为分类特征。使用迁移学习后的VGG19网络作为分类器来识别发作期的癫痫脑电信号。该方法的最长预测时间为41.30 min,平均预测时间为23.82 min,最高预测准确率为93%,平均预测准确率为86.4%。最低误报率为22%,平均误报率为34%。实验结果表明,该方法可很好地用于癫痫发作的预测。
-
-
马贤武;
刘其洪;
李漾;
兰钦泓;
李伟光
-
-
摘要:
微型电机振动信号信噪比低,环境噪声复杂,对噪声信号进行有效去除是对其进行质量检测的关键步骤。针对传统小波降噪阈值函数连续性差、降噪效果不理想等问题,提出一种基于样本熵的改进小波阈值函数,能够根据信号混乱程度自动对阈值函数进行调节。仿真结果表明:在低信噪比环境下,基于样本熵的改进阈值函数降噪效果明显优于传统阈值函数和普通改进阈值函数,信号信噪比得到显著提升。对微型电机异音信号进行降噪处理和特征提取,结合SVM分类器进行训练测试,试验结果表明:改进的小波降噪算法能够有效去除电机信号环境噪声,提取有效的信号特征,对出厂电机性能优劣进行准确判断。该方法将为微型电机厂家大规模质量检测提供理论依据和支持。
-
-
赵鑫;
陈臣鹏;
毕贵红;
陈仕龙;
谢旭
-
-
摘要:
针对碳交易过程中碳价序列的非线性和非平稳性,提出一种基于多模式分解、样本熵、鲸鱼优化(whale optimization algorithm,WOA)和长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型。首先,使用奇异谱分解、变分模态分解和完全集合经验模态分解,分别分解原始碳价序列,降低原始序列的复杂度和非平稳性,实现不同模式模态分量规律的互补;然后,使用样本熵算法将熵值接近分量重构为一个新的分量,以提高预测效率;最后,使用WOA-LSTM组合预测网络建立历史碳价之间的时间特征关系,在时空相关性分析的基础上得到碳价预测值。实验结果表明,该组合预测模型可以有效地提高碳交易价格的预测准确率。
-
-
杨奎;
邱翔;
李家骅;
刘宇陆
-
-
摘要:
针对风速序列不平稳难以预测的问题,提出了一种混沌麻雀搜索算法(CSSA)优化最小二乘支持向量机(LSSVM)参数的短期风速预测混合模型。模型结合样本熵(SE)和具有自适应噪声改进的互补集成经验模态分解(ICEEMDAN)、变分模态分解(VMD)两阶段分解的数据预处理方法。首先,利用ICEEMDAN分解原始风速序列,且依据SE评估子序列的复杂程度,重构熵值近似的序列,VMD二次分解熵值最大的序列。然后对所有子序列分别建立LSSVM预测模型,同时CSSA对该模型参数优化以提高预测效率。最后将预测的各子序列叠加得到最终风速预测值。通过与经典模态分解等混合模型比较表明,所提基于优化算法的模型预测精度和收敛速度有明显提高。
-
-
程铁栋;
张志钊;
易其文;
尹宝勇;
袁海平
-
-
摘要:
针对岩石声发射(AE)信号中包含的噪声分量难以有效滤除的问题,提出了一种变分模态分解(VMD)与样本熵(SE)相结合的AE信号去噪方法。首先,将含噪声的岩石声发射信号进行VMD分解,并获得一系列具有不同中心频率的固有模态函数(IMF);其次,计算各个IMF分量的样本熵,将其大于设定阈值的IMF分量视为噪声分量剔除并保留最优分量;最后,对最优IMF分量进行重构,进而获得降噪后的AE信号。利用改进VMD去噪与EMD去噪、小波阈值去噪方法对含噪声的岩石声发射信号进行去噪对比分析,结果表明:EMD去噪方法对噪声的滤除效果并不理想;小波阈值去噪方法虽然可以滤除信号中的噪声分量,但去噪后的信号波形出现畸变;改进的VMD去噪方法能够更好地滤除岩石声发射信号中的噪声分量,该方法有助于提取信号的时频特征及信号识别。
-
-
肖易寒;
李栋年;
于祥祯;
宋柯
-
-
摘要:
为解决在复杂电磁环境中雷达辐射源个体识别准确率低的问题,提出基于参数优化VMD和LightGBM的雷达辐射源个体识别技术。首先对雷达辐射源的无意特征进行分析,仿真添加了相位噪声作为雷达辐射源的指纹特征;其次利用麻雀搜索算法(SSA)对变分模态分解(VMD)的分解参数进行自动寻优,准确快速地得到最优分解参数组合为[2,2950];然后基于最优VMD分解参数对辐射源信号提取能量熵与样本熵作为特征向量;最后将特征向量送入LightGBM分类器完成辐射源个体识别。通过实测数据的验证,信噪比在25 dB时识别率能够达到85%以上,具有较为理想的识别结果。
-
-
刘建昌;
权贺;
于霞;
何侃;
李镇华
-
-
摘要:
针对滚动轴承故障特征提取不丰富而导致的诊断识别率低的情况,提出了基于参数优化变分模态分解(Variational mode decomposition,VMD)和样本熵的特征提取方法,采用支持向量机(Support vector machine,SVM)进行故障识别.VMD方法的分解效果受限于分解个数和惩罚因子的选取,本文分析了这两个影响参数选取的不规律性,采用遗传变异粒子群算法进行参数优化,利用参数优化的VMD方法处理故障信号.样本熵在衡量滚动轴承振动信号的复杂度时,得到的熵值并不总是和信号的复杂度相关,故结合滚动轴承的故障机理,提出基于滚动轴承故障机理的样本熵,此样本熵衡量振动信号的复杂度与机理分析的结果一致.仿真实验表明,利用本文提出的特征提取方法,滚动轴承的故障诊断准确率有明显的提高.
-
-
-
-
鲍学亮;
毕正扬;
吕晓迎;
王志功;
王海鹏
- 《2015年中国生物医学工程联合学术年会》
| 2015年
-
摘要:
目的:研究一种刺激下肢跖屈肌和背屈肌最大化改善患者下肢肌肉收缩的功能性电刺激方法.方法:首先采用Matlab软件处理、分析小腿各肌肉在测试条件下的工作状态,然后使用样本熵分析选择的胫骨前肌、比目鱼肌肌肉收缩时间,确定每块目标肌肉样本熵分析的阈值和滑动窗尺寸,然后将基于肌肉收缩时间触发的下肢交替性运动算法在具有存储模块的微电子肌电桥硬件平台上实现,并进行系统功能测试.结果:基于肌肉活动起始时间触发的下肢运动功能重建算法可以实现下肢交替性运动.结论:初步验证了肌肉活动收缩时间触发的电刺激能够实现下肢踝关节交替性运动.
-
-
乔坎坤;
卢志明
- 《第十三届现代数学和力学学术会议(MMM-XIII)暨钱伟长诞辰100周年纪念大会》
| 2012年
-
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.
-
-
Ke-fang GAO;
高克芳
- 《第八届中国通信学会学术年会》
| 2011年
-
摘要:
为了提高思维脑电信号识别率的正确性,本文提出了基于小波包和样本熵的思维脑电信号分类方法.该方法首先对脑电信号进行小波包分解,然后计算相关时间和频段的能量,将样本熵和相关时间和频段的能量作为特征向量,使用BP神经网络对大脑想象左右手运动进行分类.研究结果表明,相关时间和频段的能量和样本熵作为特征在思维作业脑电信号的分类中取得了较好的应用效果,为BCI系统中思维任务的特征提取与分类识别提供了新思路和新方法.
-
-
王俊;
马千里;
徐奇
- 《第十三届全国图象图形学学术会议》
| 2006年
-
摘要:
本文首次用样本熵的理论研究了心电图的ST段,将心电图ST段样本熵分析结果和ECG样本熵分析结果进行比较.我们发现了健康人心电图ST段的样本熵值最小、冠心病人的样本熵值升高,而健康人心电图的样本熵值最高、冠心病人的样本熵值降低,并给出合理的解释。
-
-
-
付君宇;
陈越超;
权恒恒
- 《2017年船舶通讯导航会议》
| 2017年
-
摘要:
为提高目标识别准确率,以一定数量样本的四类水声目标信号为研究对象,分别提取近似熵、样本熵、模糊熵三种非线性特征作为K近邻分类器(KNN)和支持向量机(SVM)的输入特征.分类结果表明,近似熵和样本熵只能有效区分部分目标类型,而模糊熵特征对于四类目标类型的平均识别率达到了98.55%,验证了模糊熵可作为区分文中四类水声信号的有效特征.
-
-
黄蓉;
陈永往;
陈立纯;
郭谋发
- 《福建省电机工程学会第十四届学术年会》
| 2014年
-
摘要:
配电开关的振动信号包含有丰富的开关机械状态信息,可以通过合理有效的方法提取振动信号特征量,作为配电开关机械状态诊断的依据.根据数据采集的功能需求,设计了基于LabVIEW的振动信号采集装置软硬件.利用经验模态分解(empirical mide decomposition,EMD)对振动信号进行时频分解,提取分解所得固有模态分量(intrinsic mode function,IMF)的样本熵作为特征量,最后通过模糊C-均值聚类(fuzzy C-means,FCM)进行机械状态诊断.通过实验,采集并分析了正常状态和典型故障状态下的配电开关振动信号,验证了基于振动信号分析的配电开关机械状态诊断系统的准确性和有效性.