2 近似熵算法及其特点 90 年代初由Pincus 提出的近似熵(approximate entropy，ApEn)主要是从衡量时间序列复杂性的角 度来度量信号中产生新模式的概率大小。
基于4个网页-相关网页
基于因子分析概率统计模型的说话人识别--《湘潭大学》2006年硕士论文 是解决噪声背景下说话人识别和语音识别的关键。为了提高端点检测的正确率,选择合适的声学特征也至关重要。我们以表征语音信号复杂程度的近似熵(Approximate Entropy, ApEn)为声学特征,尝试性地提出了一种在噪声环境下的端点检测方法,即通过分析语音信号的近似熵来进行。实验表明
基于2个网页-相关网页
年提出的近似熵 a pen ; Approximate entropy
采用近似熵理论分析得出随着运动负荷的增加，腓肠肌和比目鱼肌的肌声信号的近似熵值随负荷增加而增大。
Compared with gastrocnemius and soleus muscle, gastrocnemius muscle acoustic signal 'approximate entropy increases faster, but soleus muscle acoustic signal' approximate entropy increase more gently.
结果表明：无CAS作用下，TEOAE频域信号的近似熵在各频带处，蜗性病变耳的近似熵明显低于正常耳的近似熵，蜗后病变耳的近似熵与正常耳的近似熵无明显差别。
The results show that, compared with a normal ear, the approximate entropy of TEOAE without CAS was reduced for cochlear hearing loss, while it did not change for retrocochlear hearing loss.
另外，还建立了非紧测度与熵数，近似数之间的一些联系。
Also, some relations of measures of non-compactness and entropy numbers, approximation numbers be discussed in this paper.
应用推荐