提出了一种新的自适应肌电图（EMG）分解算法，该算法基于盲源分离方法，利用信号的Kullback-Leibler散度和峰度作为在线学习的度量。所提出的方法提供了一个理论框架，用于调整自适应超参数，补偿混合矩阵中的非平稳性，例如由于动态收缩引起的非平稳，并识别潜在的运动神经元（MN）放电。自适应是实时执行的（每100毫秒批次计算时间约为22毫秒）。
所提出的适应的超参数捕捉了记录位置（前臂与手腕）之间的解剖差异，并在受试者中推广。一旦优化，所提出的自适应算法相较于没有自适应的显著提高了所有分解性能指标，在手腕的大范围运动（80◦）中。根据双源验证方法，在80%的模拟和实验记录数据中，一致率、灵敏度和精度均为90%。
同样是在滑动窗口中调整超参数，Mendez Guerra et al. 通过