针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征提取,然后通过距离评估技术从原始多尺度排列熵特征中选取敏感特征,最后将敏感特征输入到采用遗传算法优化的支持向量机中,实现对轴承不同运行状态的自动识别。对实验数据分析的结果表明,该方法可以精细地获取故障信息,从大量原始特征中选择出敏感特征,有效地实现滚动轴承故障状态的诊断。

计算数据矩阵中面向列的向量的多尺度、多变量置换熵。 多变量置换熵是一种考虑多个数据向量之间相关性的方法（例如，对于 EEG）。 这是 Morabito 等人 (2012) 提出的 Entropy 大纲的实现。 有关更多详细信息，请参阅文件本身中的文档。

多尺度排列熵和多尺度样本熵，写论文时使用过，供参考……

计算数据矩阵中面向列向量的多尺度、多变量排列熵。多变量排列熵是一种考虑多个数据向量之间相关性的方法（例如EEG、ERP、ECG、fMRI等）。有关详细信息，请参阅Morabito FC, Labate D, La Foresta F, Bramanti A, Morabito G, Palamara I. Multivariate Multi-Scale Permutation Entropy for Complexity Analysis of Alzheimer’s Disease EEG. Entropy. 2012;14(7):1186-120。

可用于计算脑电信号类计算多尺度排列熵

首先通过对多尺度排列熵算法的参数时间序列长度 N、嵌入维数 m、延迟时间 t 和尺度因子 s 进行研究，得出对其参数优化的必要性。进而在综合考虑参数影响的 基础上，以多尺度排列熵的偏度构造目标函数，利用遗传算法(GA)、粒子群优化算法(PSO)对多尺度排列熵算法(MPE)的参数进行寻优，得到最优参数。

该程序用于计算信号复合多尺度排列熵，matlab环境下程序

改程序用于计算多尺度排列熵，度量信号复杂度