识别精度差,意味着生物电波动幅度小,也意味着两次生物电波对比误差小。

    不过这里,不能单纯按百分比大小来看。

    高精度,虽然百分比很大,但她采集到的数据样本更丰富,能够从微伏,跨越到毫伏,等于有两种对比方案。它只会比奥托博克公司的感应贴片,识别率更高。

    叶青又重复了几次动作,结果每次生物电波的误差都有变化。

    累计五次,叶青问电晶,如果让程序智能识别,那程序能从这些生物电波中,找到关键的,可以判定的手部收张信号?

    “老板,这五次对比中,仪器采集到了四次,从32微伏,到66微伏之间的同步生物电波动。”电晶站在波示器前不停捏着尖尖的下巴,“如果建立完善的生物电数据库,通过模糊对比,我想可以当做判断依据。”

    “但我不敢保证每一个人在采集数据时,都会出现这种情况。另外样本采集次数也太少,我觉得最少有上万次的数据对比,才能更确定一些。”

    “采集到不难,公司里有很多人。”

    看似没什么进展,其实叶青觉得进展很大。只要能精确判断出收张手掌的信号,那就等于在1的基础上,又多了一个2。因为可以把所有非1的信号,统统归类成2。

    “我们再来测试挥手的生物电信号。”

    静下心来的叶青,开始同步挥动左右手。

    这个动作一直重复了十次。

    通过对比,叶青惊奇发现,这十次动作中,竟然采集到十次,可以起到判定自用的相同生物电波动片段。

    分析后,叶青和电晶一致认为,这个判断来自手腕摆动时,释放出的生物电信号。

    并且是手腕肌肉在运动中,释放出的肌肉生物电信号。因为它只在微伏范围内活动,并高度一致。

    “有搞头。”电晶看完对比图,又看住了叶青。

    “确实有搞头。”叶青点点头,一副“难道就这么简单”的不置信表情。

    神经释放出的手掌收张信号为1,非这个动作的信号为2。

    那手腕或者手臂肌肉,在做特定动作时,完全可以列为3。

    肌肉在运动中,当然也可以产生生物电活动,它只是比神经释放出的生物电信号要小很多。奥托博克公司的感应贴片识别不了,电晶制造的这种完全可以。

    1、2、3,就这么容易的被找到了思路?

    “老板,这一切也太简单了吧?您不说奥托博克公司,在这方面的技术是行业第一嘛,我觉得这第一,水得一塌糊涂。”

    “我也觉得……”