多尺度排列熵 的python程序

以下是多尺度排列熵的Python程序：

import numpy as np
from collections import Counter

def permutation_entropy(time_series, m, delay):
    n = len(time_series)
    permutations = []
    for i in range(n - delay * (m - 1)):
        permutation = tuple(np.argsort(time_series[i:i+delay*m:delay]))
        permutations.append(permutation)
    counter = Counter(permutations)
    p = np.array(list(counter.values())) / len(permutations)
    return -np.sum(p * np.log2(p))

def multiscale_permutation_entropy(time_series, m, delay, scales):
    mpes = []
    for scale in scales:
        if scale == 1:
            mpes.append(permutation_entropy(time_series, m, delay))
        else:
            downsampled = np.mean(time_series.reshape(-1, scale), axis=1)
            mpes.append(permutation_entropy(downsampled, m, delay))
    return mpes

这个程序包含两个函数：`permutation_entropy` 和 `multiscale_permutation_entropy`。

`permutation_entropy` 函数计算给定时间序列的排列熵。参数 `time_series` 是一个一维数组，表示时间序列。`m` 是排列熵的阶数，`delay` 是排列熵的延迟。函数返回一个浮点数，表示排列熵。

`multiscale_permutation_entropy` 函数计算给定时间序列在多个尺度下的多尺度排列熵。参数 `scales` 是一个整数列表，表示要使用的尺度。函数返回一个浮点数列表，表示对应尺度下的多尺度排列熵。

这个程序依赖于 NumPy 和 collections 模块。