[发明专利]一种基于符号转移熵数据统计分析方法

摘要

本发明公开了一种基于符号转移熵数据统计分析方法，本发明所采用的技术方案是转移熵对参数有着较高的协调性要求，对噪声也较为敏感，于是又有了基于符号化技术的新办法，即符号转移熵STE，STE是一个量化两个时间序列相关程度或混沌程度的参数，它反映了两个时间序列的相关程度或混乱程度，STE值越大，不确定性较大，表示序列混乱程度大，相反，STE值越小，不确定性较小，表示序列相关程度好，STE算法相对于TE来说，降低了参数之间的协调性要求，计算方便快速，适合实时处理，还降低了对噪声的敏感度，具有一定的抗干扰能力。

主权项

1.一种基于符号转移熵数据统计分析方法，其特征在于：相对熵库尔巴克散度：是两个随机分布之间距离的度量。对于单个状态j，有：将j求和，就有：对于有联合概率分布p_IJ(i,j)的两个过程I和J，若两个系统相互独立，便有：用互信息来量化两个过程独立性的偏差情况，是一种很自然的方式，但是，当交换I和J时，M_IJ是对称的，不包含任何方向的信息，若在其中一个变量的计算上引入时间延迟，那么互信息就可以在某种程度上获得一定的方向信息，如：信源的熵率：其中，想要研究多个过程之间的动力学信息，可以将熵率的应用推广到多个系统，因为过程的动力学信息是包含在转移概率里的，最直接的方式是通过将h_I推广到两个过程(I，J)来构造互信息率，相应的库尔巴克熵在交换I和J时仍然是对称的，这就有当I和J相互独立时，便有：因此，可以得到转移熵TE：但是，转移熵对参数有着较高的协调性要求，对噪声也较为敏感，于是又有了基于符号化技术的新办法，即符号转移熵STE，STE是一个量化两个时间序列相关程度或混沌程度的参数，它反映了两个时间序列的相关程度或混乱程度，STE值越大，不确定性较大，表示序列混乱程度大，相反，STE值越小，不确定性较小，表示序列相关程度好，STE算法相对于TE来说，降低了参数之间的协调性要求，计算方便快速，适合实时处理，还降低了对噪声的敏感度，具有一定的抗干扰能力。