这篇文章采集的数据是各个角度和收缩水平下的等长收缩数据
“gold standard” verification techniques”
在这里，我们提出了一种实时MU解码算法，当观察到的MU出现新的动作电位时，该算法会更新MU滤波器和信号预处理变换。
观测值的进一步预处理包括零相位分量分析（ZCA）球化，这有助于FastICA的收敛[26]。
传统方法存在的问题：将训练数据得到的分解参数直接用于新的窗口。尖峰信号并不是通过聚类来识别脉冲的，而是通过保留的训练数据中的质心。通过松弛因子来放宽要求，虽然放宽决策边界可能会降低错过尖峰的可能性，但也可能导致误报的增加。为了解决这个问题，我们建议在检测到潜在尖峰事件时调整MU滤波器和预处理变换。
在伪在线测试中，进行了多次试验，以评估所提出的自适应MU解码算法在不同收缩条件下的鲁棒性。在每次试验中，解码算法从一次重复中初始化，然后应用于提取另一次的MU活动。在这里，数据以200毫秒的窗口和100毫秒的时间增量馈送，从而模拟实时部署。
我们提出了一种自适应算法，用于从HD sEMG中解码MU活动，该算法在获取新的测量值时实时更新其内部参数。Intra-condition、Inter-angle、Inter-force
Yeung et al. proposed real-time adaption of three parameters when potential spike were separeted from new data window. Compared to static decoding, the proposed algorithm could significantly achieve higher accuricies across different wrist angles and contraction intensities.