秩向量上的传递熵

传递熵(TE)是一种流行的信息流度量方法,在不同设置下均表现良好。符号传递熵(STE)的定义与TE类似,但基于重构向量各分量的秩而非重构向量本身。首先,我们通过针对响应系统的未来样本相对于当前重构向量形成秩来修正STE。我们为这种修正版STE提供了理论依据,并将其称为秩向量上的传递熵(TERV)。然后,我们建议在形成响应未来值时使用多步超前,以便在更长的时间范围内捕获来自驱动系统的信息流。为了评估STE、TE和TERV在正确检测信息流方面的性能,我们使用接收者操作特征(ROC)曲线,该曲线由在已知弱耦合系统的多次实现上计算的两个耦合方向上的度量值构成。我们还考虑了状态空间重构、时间序列长度和观测噪声的不同设置。结果表明,TERV确实改进了STE,并且在某些情况下(尤其是在存在噪声时)表现优于TE,但总体而言TE给出了更一致的结果。使用多步超前提高了TE和TERV的准确性。