obustICA和Infomax的组合显示出比其他算法组合更高的RoA。相反，在不同的算法组合中，Infomax和FastICA之间的通用运动单元数量最高。这些发现为为具有不同精度和产量要求的特定应用程序选择分解算法和性能评估指标提供了实验证据。

讨论

本研究的目的是评估先前开发的三种基于独立分量分析的信源分离算法（Infomax、FastICA和RobustICA）对从两臂肌肉（肱二头肌和EDC）获得的肌电信号进行MU分解的性能。两个评估指标，SIL和算法之间的RoA，用于评估分解性能。我们的结果显示，不同肌肉收缩水平的不同算法之间具有较高的RoA。RobustICA与其他两种算法（尤其是Infomax）相比，倾向于表现出更高的RoA，而FastICA和Infomax则倾向于通过这两种算法产生更多的常见MU。实验结果也与第1部分中的早期模拟结果基本一致。这些发现可以为对分解精度和产量有不同要求的不同应用程序选择特定的分解算法和特定的性能评估指标提供指导。

结论

总的来说，我们对不同基于独立分量分析的算法的性能进行了系统评估，这些算法用于从手臂肌肉获得的肌电信号的MU分解。具体来说，RobustICA与其他算法相比具有更高的RoA，而FastICA和Infomax可以分解更多的常见MU。特定算法或MU滤波度量的选择可能取决于具有特定需求的不同应用。研究结果可以帮助我们在人群水平上确定可靠的MU活动，用于了解肌肉激活神经控制的机制和临床方面。