非线性动力学方法提取生物信号特征

非线性动力学方法中的熵，可以作为信号整体的特征，例如PPG、ECG、EEG等。但是要注意熵的运算复杂度一般比较高，在嵌入式设备上运行时长、速度、功耗都难满足。在嵌入式设备上需要优化或者找到替代熵的特征提取方式，最近，本人为了替代熵非线性动力学方法，发明一种新的特征提取方式，并且申请专利。本文主要介绍常见的熵类型。

常见的熵类型如下¹²：

Entropy Type	中文翻译
Approximate Entropy	近似熵
Sample Entropy	样本熵
Fuzzy Entropy	模糊熵
Kolmogorov Entropy	柯尔莫哥洛夫熵
Permutation Entropy	排列熵
Conditional Entropy	条件熵
Distribution Entropy	分布熵
Spectral Entropy	谱熵
Dispersion Entropy	分散熵
Symbolic Dynamic Entropy	符号动态熵
Increment Entropy	增加熵
Cosine Similarity Entropy	余弦相似熵
Phase Entropy	相位熵
Slope Entropy	斜率熵
Bubble Entropy	泡沫熵
Gridded Distribution Entropy	网格分布熵
Entropy of Entropy	熵的熵
Attention Entropy	注意熵

参考：

---

1. EntropyHub: Python — EntropyHub 0.2 documentation ↩︎

2. GitHub - MattWillFlood/EntropyHub: An open-source toolkit for entropic time-series analysis. ↩︎