マルチスケール順列レニエントロピーとEEGシグナルのアプリケーション

脳波（EEG）シグナルの複雑さを分析することにかなりの関心があります。ただし、一部の従来の複雑さを測定するアルゴリズムの一部は、信号の複雑さのみを定量化しますが、異なる信号を非常によく区別することはできません。てんかん脳波シグナルの複雑さをより良く分析するために、新しいマルチスケールの順列レニエントロピー（MPER）アルゴリズムが提案されています。このアルゴリズムでは、粗粒化手順は、重み平均化方法を使用して導入され、加重係数は非線形信号を分析することで決定されます。てんかん脳波シグナルを分析するために、新しいアルゴリズムを適用します。実験結果は、MPERアルゴリズムが異なるEEGシグナルを識別するための優れた性能を持っていることを示しています。順列レニエントロピー（PER）およびマルチスケール順列エントロピー（MPE）と比較して、MPERは異なるEEG信号を正常に区別します。提案されたMPERアルゴリズムは効果的であり、EEGシグナル分析において優れたアプリケーションの見通しを持っています。

There is considerable interest in analyzing the complexity of electroencephalography (EEG) signals. However, some traditional complexity measure algorithms only quantify the complexities of signals, but cannot discriminate different signals very well. To analyze the complexity of epileptic EEG signals better, a new multiscale permutation Rényi entropy (MPEr) algorithm is proposed. In this algorithm, the coarse-grained procedure is introduced by using weighting-averaging method, and the weighted factors are determined by analyzing nonlinear signals. We apply the new algorithm to analyze epileptic EEG signals. The experimental results show that MPEr algorithm has good performance for discriminating different EEG signals. Compared with permutation Rényi entropy (PEr) and multiscale permutation entropy (MPE), MPEr distinguishes different EEG signals successfully. The proposed MPEr algorithm is effective and has good applications prospects in EEG signals analysis.