2月12日，记者从西安理工大学获悉，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、西安理工大学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。