MATLAB Entropie de Shannon: Analyse d'un signal physio

[invite04ddd5ab]

Bonjour à tous,

J'essaie d'analyser l'entropie d'un signal physiologique (activité électrodermale) afin de déterminer entre mes groupes de sujets lequel possède l'entropie la plus élevée. Le but étant de voir si selon une condition défini, mes groupes ont des variations du signal différentes.
J'ai donc pour cela penser à utiliser l'entropie de Shannon avec MATLAB. (Avant cela j'ai utilisé un z-score sur la dérivé de mes vecteurs pour détecter les variations puis les normaliser, mais je pense que l'entropie pourrait m'aider à affiner mon propos et mes interprétations).

En utilisant la fonction wentropy de matlab pour mon vecteur, il me retourne la valeur de l'entropie E de mon vecteur. Or je ne sais comment les interpréter. Je comprends que plus l'entropie augmente et plus ma valeur E sera élevée, mais qu'en est-il d'une valeur E négative??
Voici un exemple de mes résultats:
S1= 320
S2=130
S3= -8.0495e+04 (??)

(Je tiens à préciser que je ne suis pas ingénieur et que j'ai un cursus médicale. )

Merci d'avance !
-----

[invite04ddd5ab]

Pour compléter mon message qui n'est peut être pas assez clair, je dirais que l'entropie me permettrait de déterminer le désordre de mon signal chez chaque sujet; et je pourrai ainsi classer chaque sujet selon cette valeur. Malheureusement j'ai du mal à comprendre la formule utilisée par matlab pour calculer cette valeur d'entropie et donc ne comprend pas ce que représente une valeur négative :




Pourquoi est-ce que le désordre m'intéresse? Parce que selon la littérature actuelle, un nombre important de variations dans l'activité électrodermal montrerait un stress plus élevé. Donc cette notion de désordre serait un bon marqueur.

Comme je l'ai précisé dans le premier message, j'ai fait autrement que d'utiliser l'entropie jusqu'à maintenant. J'ai plutôt utilisé la fonction Y = [X(2)-X(1) X(3)-X(2) ... X(m)-X(m-1)] que propose matlab pour observer les différences point par point de mon signal puis j'ai normalisé ces différences par un z-score afin de comparer mes sujets entre eux. J'ai ensuite sélectionné toutes les valeurs atypiques supérieures à 1.96 et inférieures à -1.96. Je pense que cette méthode respecte assez bien ce que je trouve visuellement sur mes signales mais je me demandais si la notion de désordre pouvait aider et préciser l'interprétation.