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。文章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CO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，CO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。