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。”
广个告，我最近在用的看书app，【 \咪\咪\阅读\app \.mimiread.\ 】书源多，书籍全，更新快！
“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……”
叶青思考了片刻，说道：“归根结底，应该还是工业技术能力的差距。或许他们没有把感应贴片识别精度，提高一个量级的能力。检测微伏级生物电压变化，他们可以做到，但那套设备会很笨重，有可能和医院里的心电图记录仪一样。”
“另外检测到这些细微变化后，能否把这个变化应用到机械运动中，又是一个问题。”
“这个难度比感应贴片更高，没有我们的仿生手运动技术，再好的感应芯片也是白搭。”
“最后就是编程方面难度了。”
“如何把这些信号，编程一套简单有效的控制命令，也是个问题。”