Potenciais evocados eletricamente, medidos por meio de sEMGs, têm várias aplicações clínicas tradicionais, como monitoramento intraoperatório de nervos e terapias de reabilitação. No entanto, o estímulo elétrico gera um artefato que pode interferir nos sinais medidos, o qual não é facilmente removido por promediação. Os artefatos são particularmente difíceis de serem removidos em aplicações como o monitoramento do nervo facial, onde os estímulos e os eletrodos de sinal ficam próximos e a sobreposição entre o artefato e a onda M é comum. Métodos adaptativos para a supressão de artefatos — utilizando um sinal de referência que contenha apenas o artefato de estímulo — foram propostos nas configurações off-nerve, estímulo duplo e sublimiar. Recentemente, foram propostos algoritmos usando inteligência computacional para proceder em relação à segmentação de sinais, mascaramento e reconstrução de ondas M, chamados de métodos baseados em software. Porém, uma comparação sistemática das técnicas de supressão de artefatos não é encontrada na literatura. Neste trabalho, implementou-se um modelo completo de geração de onda M e propagação de artefato, o qual foi usado para comparar métodos adaptativos e métodos baseados em software. Dois conjuntos de sinais aleatórios e artefatos com vários graus de sobreposição e amplitudes foram criados e empregados na comparação dos métodos. Os resultados apontam uma vantagem no uso dos algoritmos baseados em software, conforme avaliado pelos índices de coeficiente de correlação, erro RMS, erro de latência e erro de amplitude pico a pico.