本压缩包里有我整理的八种熵的库函数，包括有柯尔莫哥洛夫熵，近似熵，条件熵，模糊熵以及样本熵等等。（亲测可用）

近似熵、模糊熵、样本熵代码，在matlab中可以直接调用，用于进行离散序列分析，信号特征提取等。亲测可用。

针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题，提出将自适应局部迭代滤波应用到齿轮故障识别中，与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数，通过计算各本质模态函数的样本熵，发现以齿轮系统的转频信号对应的本质模态函数的样本熵为界，前几个本质模态函数的样本熵能表征不同故障类型的特征；计算齿轮系统正常、齿面轻度磨损、齿面中度磨损和断齿4种工况下多个训练样本的样本熵的平均值，将其作为对应工况标准故障模式的参考值；计算待检测样本的样本熵与各状态下训练样本的样本熵平均值之间的灰色关联度，与待识别样本灰色关联度最大的标准故障模式即被认为是待识别样本的故障类型。实例分析结果表明，通过自适应迭代滤波能有效抑制模态混叠现象，发现明显的齿轮转频信号，而采用集合经验模式分解（EEMD）方法进行信号分解后，模态混叠现象比较明显，且在EEMD的分解结果中基本看不出齿轮的转频分量；4种工况的样本熵曲线形状存在明显差异，说明样本熵能有效表征齿轮故障特征的变化；灰色关联度方法能有效地将4种不同的故障类型进行分类识别，分类识别性能优于BP神经

ITD分解，还是很不错的，先将数据精心ITD分解，得到PR分量，然后通过相关系数帅选分量，在求出他们的信息熵的特征，完美运行，你值得拥有，可以的话，给一个好评，谢谢。

机器学习中关于信号处理的方法-样本熵的计算

样本熵的Matlab程序代码，基于睡眠脑电信号的非线性特征的提取，可用于睡眠的分期

包含常见的几种熵函数（样本熵，香农熵，样本熵，模糊熵）的MATLAB代码。

与近似熵相比，样本熵具有两个优势：样本熵的计算不依赖数据长度；样本熵具有更好的一致性，即参数m和r的变化对样本熵的影响程度是相同的。   样本熵的值越低，序列自我相似性就越高；样本熵的值越大，样本序列就越复杂。目前样本熵在评估生理时间序列（EEG，sEMG等）的复杂性和诊断病理状态等方面均有应用。

常见的熵值计算的matlab 程序统计 样本熵 模糊熵 排列熵 多尺度熵 层次熵等 (SampleEntorpy FuzzyEntropy PermutationEntropy HierarchicalEntropy) 都是可以用的

内容描述：非线性特征：样本熵、模糊熵、排序熵、复杂度[已测试] 1.APPEN m 2.Fuzen. m 3.Fuzzy Entropy. m 4.LZC m 5.Peren. m 6.Sampleen m 7.sampleen plus m 8.Sampleentropy m 9.说明：系统是基于Matlab 2016b平台开发的 10.仅限用于学习交流。严禁商用！！！