论文部分内容阅读
基于替代数据(Surrogate)思想的复杂度归一化方法克服了一般复杂度对信号采样长度与采样频率的敏感性。文中对在生物医学信号复杂度分析中最有潜在应用价值的近似熵和C0复杂度进行了归一化。应用该方法可以有效地反映人体心脏某些病理状态之间的差别。同时,通过比较各种复杂度指标发现,C0复杂度和近似熵对采样长度的敏感性最弱,适用于短数据量的信号分析。