走在汽車革命的路上論文書籍站
國立中央大學 電機工程學系 徐國鎧所指導 柯霽恩的 基於黎曼幾何之改良型共同空間型樣法用於想像運動之腦波分類 （2018），提出csp雜訊效果關鍵因素是什麼，來自於腦電圖、想像運動、黎曼幾何、切線空間、共同空間型樣法、線性區別分析。
而第二篇論文醒吾技術學院 資訊科技應用研究所 卓世明所指導 宋繼元的 特殊環境下語音辨識之研究 （2009），提出因為有 端點偵測、訊噪比、背景雜訊移除法的重點而找出了 csp雜訊效果的解答。
基於黎曼幾何之改良型共同空間型樣法用於想像運動之腦波分類
為了解決csp雜訊效果 的問題，作者柯霽恩 這樣論述：
本論文主要研製一基於黎曼幾何空間之想像運動的特徵提取演算法，在想像運動的腦電訊號分類中，共同空間型樣法是一個常被用來提取腦電訊號特徵的演算法，透過共同空間濾波器進行資料重組，去除事件不相關雜訊的影響，強化事件相關的腦波特徵，藉以極大化不同訊號群組之間的差異性。相較於腦電訊號的協方差矩陣位在傳統歐式空間；黎曼幾何空間更能夠表達腦電訊號在空間中距離分布。因此本論文以黎曼幾何空間作為基礎，改良現有共同空間型樣法的演算法架構，並利用黎曼幾何空間和切線空間的轉換，提升腦電訊號特徵提取的效果，最後透過BCI競賽和自錄的腦電訊號驗證其分類的準確度有明顯的提升。
特殊環境下語音辨識之研究
為了解決csp雜訊效果 的問題，作者宋繼元 這樣論述：
發生於美國境內的九一一恐怖攻擊事件，引發全球震驚。讓各國體認到如何即時掌握飛機上的狀況是飛行安全中的重要課題之一，而在飛機或戰鬥機上利用特殊字元來執行自動語音辨識監聽駕駛員、服務人員及旅客間言談是絕對有效的方式。然使用一般語音辨識，往往受背景噪音太大的影響而導致辨識率下降。本論文主要研究是在高噪音環境下，提昇語音辨識率。傳統語音辨識的前處理多使用端點偵測 (Endpoint Detection) ，但在機艙中高噪音環境下，傳統的端點偵測將失去效用，而使用背景雜訊移除法 (Noise Reduction) ，在有其固定雜訊頻率之高噪訊下預期會有不錯的效果。我們利用戰鬥機座艙中取得語料，在中文語
音的環境下進行特殊字元的自動語音辨識，我們利用移除或降低高噪訊提高訊噪比，有助語音辨識率之提昇，以達到監控駕駛員言行之目標。