如何编写代码计算时频域Renyi熵？基于谱图数组实现

核心逻辑 #

时频域Renyi熵的计算基于归一化后的时频分布px(t,f)，核心步骤为：

1. 将输入的谱图数组归一化为概率分布（所有元素求和为1）
2. 根据α的取值计算熵值：
   • 当α=1时，退化为香农熵，需计算-Σ(px * ln(px))（需规避0值的对数计算）
   • 当α≠1时，计算(1/(1-α)) * ln(Σ(px^α))

Python实现代码 #

使用numpy处理数组运算，代码如下：

import numpy as np

def renyi_spectrogram_entropy(px, alpha=2):
    # 归一化谱图数组为概率分布
    px_normalized = px / np.sum(px)
    # 过滤掉0值，避免对数计算报错
    px_nonzero = px_normalized[px_normalized > 0]
    
    if alpha == 1:
        # 香农熵（α=1时的极限情况）
        entropy = -np.sum(px_nonzero * np.log(px_nonzero))
    else:
        # 一般情况的Renyi熵计算
        sum_pow = np.sum(np.power(px_nonzero, alpha))
        entropy = (1 / (1 - alpha)) * np.log(sum_pow)
    
    return entropy

测试示例 #

用你提供的谱图数组测试：

# 示例谱图数组
px = np.array([[5.85959171e-01, 7.95627554e+00, 1.22937578e-01, 1.82902033e+00, 5.96424909e-01, 3.20172883e+00],
               [8.12774889e+02, 8.03338062e+02, 6.11289787e+02, 5.36101542e+02, 5.27223899e+01, 1.55881316e+02],
               [2.19951771e+01, 4.11390671e+02, 3.04105310e+02, 1.01747040e+02, 2.36618805e+01, 8.56933907e+01],
               [6.25524855e-04, 4.55459276e-04, 2.70485227e-04, 1.40541362e-03, 1.38247253e-03, 4.60767521e-04],
               [1.16518569e-04, 1.56417512e-05, 6.71531675e-05, 4.81702798e-04, 2.16510385e-04, 3.43761986e-04],
               [5.82912053e-05, 2.61144404e-05, 5.96264388e-05, 1.23245212e-04, 3.72841550e-04, 1.46325938e-04]])

# 计算α=2时的Renyi熵
entropy = renyi_spectrogram_entropy(px, alpha=2)
print(f"Renyi熵（α=2）：{entropy}")

注意事项 #

• 输入的px需为二维numpy数组，对应谱图的时频分布
• 归一化步骤是必须的，因为Renyi熵基于概率分布计算
• 当α趋近于1时，结果会趋近于香农熵，代码中直接处理α=1的情况避免数值误差

内容的提问来源于stack exchange，提问作者ofk