hbs红宝石平台,hbs红宝石平台

　　2月12日，记者从西安理工hbs红宝石平台获悉，该校学生姜心茹提出了一种新的复杂性度量方法，有望解决特定节奏背后的复杂性问题，并能够更准确地量化时间序列(或信号)的复杂性。相关研究以《等级熵及其多元版本》为题发表在学术期刊《机械系统与信号处理》上。

　　无论是机器的振动还是人体的心跳，都遵循着特定的节奏。这些节奏犹如信号一般，隐藏着机器运转的状态和人体健康的秘密。在学术领域，复杂性度量方法犹如一把锐利的钥匙，能够高效且精准地探寻并锁定那些隐匿于复杂系统中的节奏(信号)。

　　在论文中，研究人员提出了一种巧妙的方法——“等级熵”，它就像一把更精准的尺子，能测量单个时间序列的复杂性。同时，研究还拓展出了“多元复用等级熵”，用来处理多个时间序列的情况。

　　相比较于传统的复杂性度量方法存在的参数选择困难、计算过程繁琐和信息冗余等问题，在新的方法中，“等级熵”和“多元复用等级熵”通过考虑时间序列的内部排序和二维相空间信息，提供了一种新的度量方式。这种方式能够更精确地反映时间序列的复杂性，提高了复杂性度量的准确性和效率。

　　“通过分析机器的振动信号，可预测设备的健康状况和维护需求。就像通过分析心电或脑电图(信号)，可帮助诊断心脏疾病或脑部异常。”论文指导教师、西安理工hbs红宝石平台自动化与信息工程学院电子信息工程副教授李余兴介绍，以机械工程、生物医学等领域为例，准确测量和分析时间序列(或信号/数据)的复杂性对于预测故障、诊断疾病等至关重要。

　　“创新之处在于，它不仅关注时间序列的统计特性，更重视时间序列中的模式排序和动态变化，从而为时间序列分析提供了一种更为精确和全面的复杂性度量手段。”李余兴表示，随着大数据和人工智能技术的飞速发展，对时间序列复杂性测量的需求也在不断攀升，这使得该研究的应用前景变得极为广阔。