尽管平均校正值（ARV）和均方根值（RMS）随着募集的运动单元（MU）的数量及其发射率单调增加。它们不区分这些激活模式和运动单元动作电位（MUAP）的影响。这在动态肌肉收缩中变得有问题，因为肌肉的几何变化会导致 MUAP 形状的变化。因此，在 RMS 和 ARV 指标中，MUAP 的变化很容易被误认为是肌肉兴奋模式的变化。据我们所知，MUAP 变化对 ARV 或 RMS 指标的影响尚未系统量化。
更先进的肌肉兴奋技术建立在通过分解 hdEMG 信号直接识别 MU 发放序列的基础上。这些技术将 MUAP 与兴奋模式完全分离，但在很大程度上仅在等长肌肉收缩上进行了测试。没有详细研究动态条件，主要是由于缺乏可靠的动态 hdEMG 分解技术。
我们量化了 MUAP 对基于 RMS 的 hdEMG 肌肉兴奋估计的负面影响。RMS 度量在等距和动态条件下均产生14%的NRMSE（图1和图2）。即使只有5个已识别的 MU，基于 CKC 的 CST 也显著优于 RMS 度量。NRMSE 随着识别的 MU 的数量而进一步降低。