Aktiopotentiaaliksi kutsuttu jännitteen muutos ajan funktiona on tunnettu biosähköinen impulssi. Kirjallisuuskatsauksessa pyrittiin löytämään ne motorisen yksikön aktiopotentiaalin voimakkuuteen, muotoon ja kestoon vaikuttavat tekijät, jotka selittäisivät riittävän luotettavasti erot kahden tai useamman motorisen yksikön välillä. Tällöin yksiköt olisivat identifioitavissa sen tuottaman yksilöllisen impulssin muodon eli jännitteen aikafunktion perusteella. Koska kaikkien aktiivisten motoristen yksiköiden tuottamat biosähköiset impulssit tai oikeammin sähkökentät summautuvat mittaelektrodissa, motoristen yksiköiden erottaminen (so. dekompositiointi) täytyy suorittaa sulautetulla ohjelmoinnilla, digitaalisen signaalinkäsittelyn ja matemaattisten algoritmien avulla. Tämän tutkielman yhteydessä luotiin algoritmi, jolla differentiaalinen sEMG-signaali (surface ElectroMyoGram) purettiin erillisiin MUAP-jonoihin (Motor Unit Action Potential) ja jolla ne analysoitiin automaattisesti ja nopeasti, tavallisella kannettavalla tietokoneella ja MATlab-sovelluksella. Tutkimuksessa päädyttiin kokeilemaan simuloitua HDsEMG-signaalia (High Density surface EMG) bipolaarisen pinta-EMG-signaalin sijaan. Näytteet simuloivat monikanavaisen 10x9-matriisianturin tuloksia isometrisestä 10% MVC-suorituksesta (Maximum Voluntary Control). Tutkimusalgoritmi muodosti differentiaalisignaalin, josta luokittelufunktio erotti motoriset yksiköt. Yhtenä ongelmana oli määritellä, kuinka moneen ryhmään aktiopotentiaalit tulee jakaa. Valitettavasti tämän ongelman ratkaisuun ei ole olemassa suoraa menetelmää. Ratkaisua täytyy hakea epäsuorasti, käyttäen apuna soveltuvia tunnuslukuja. Tämän tutkimusaineiston kohdalla päädyttiin 25 klusteriin. Tutkielman tulosten perusteella lupaavin tutkituista menetelmistä oli K-medoids-klusterointi neliöllisellä eukleidisellä (Squared Euclidean) samankaltaisuusmitalla. Tässä funktiossa jokainen medoidi eli klusterikeskipiste edustaa ryhmän keskiarvoa. Alun perin kehitetty algoritmi oli varsin helppo mukauttaa noudattamaan tätä luokittelumenetelmää. Valitettavasti yhdenkään klusterointimenetelmän luotettavuusrajoja tai muitakaan laadullisia parametrejä ei pystytty tässä tutkimuksessa määrittelemään, koska yksiäkään soveltuvia referenssituloksia ei saatu aineistoon eivätkä simuloitujen näytteiden syttymisajat korreloineet differentiaalisen bipolaarisignaalin kanssa. Selitys jälkimmäiseen voi olla, että matriisianturin keskelle syotetyt AP-aallot osuvat molempiin bipolaarisiin antureihin yhtäaikaa eikä differentiaalia synny - mutta tämän lopullinen todentaminen vaatisi hieman jatkotutkimusta.