MMSER-基本信息英文全称：Minimum Mean Square Error Restoration中文全称：最小均方误差复原
20世纪60年代后,匈牙利数学家卡尔曼提出用一个状态方程和一个测量方程来完整描叙一个线性动态系统的卡尔曼滤波方法.求解最小均方误差阵，他提出了卡尔曼一步递推公式。
MMSER-基本介绍短时Fourier变换和小波变换在电力系统故障诊断、检测、定位、识别以及信号消噪、重构等方面的应用也有很大的进展。短时Fourier变换是一种使用固定大小的时频分析窗口的Fourier变换，适用于分析具有固定不变带宽的突变信号；小波变换使用时间和频率轴可伸缩的长方形时频分析窗口，适用于分析具有固定比例带宽(恒Q，即滤波器品质因数不变)的突变信号。这些使得它们在电力系统中信号处理某些方面如干扰、偶次谐波和非整数次谐波滤波等的应用受到一定的限制。因此寻找具有近似等Q的时频窗口的时频分析工具是非常必要的，它除了时间平移，频率平移和时频拉伸外，还应考虑矩形窗口的斜方向的拉伸与旋转变化。
MMSER-详述线调频小波变换满足上述要求，使用的时频分析窗口除了时移、频移、尺度变化以外，最主要的是包含了时频窗口在时频平面上的放置以及在倾斜方向上的尺度变化(拉伸)。由于使用各种长方形和各种平行四边形的时频窗口，所以线调频小波变换可以分析具有非固定不变带宽和非固定比例带宽(非恒Q)的突变信号。
信号的消噪、滤除干扰、压缩、恢复以及故障信号检测、诊断、识别、定位是电力系统信号处理的主要工作，其目的是尽可能地复原被噪声或干扰污染的信息源以及故障的特征和类型。严格地讲，干扰和噪声是两个不同的概念。干扰指周期的、有规律的误差信号(测量信号与真实信号的差)；而理论上不能预测的、必须用概率统计刻画划的误差信号定义为噪声。电力系统在采样信号时，现场存在大量噪声和干扰信号，严重影响了系统、设备监测的灵敏度和可靠性，因此消除干扰和滤掉噪声是电力设备监测的一个关键技术问题。
在电力系统中，快速傅立叶(FFT)阈值滤波法和最小均方误差(LMS)自适应滤波器是最常用的用来抑制干扰和消噪方法。但是，FFT阈值滤波不能消除平稳随机型干扰，而LMS自适应滤波器收敛性能受时延、收敛因子等参数的影响，滤波效果不稳定，甚至有时不收敛。基于小波变换的干扰滤波器研究不多，文［7］在干扰滤波方面作了尝试，它将干扰信号分为脉冲型干扰、连续周期型干扰和平稳随机型干扰。主要讨论连续周期型和平稳随机型干扰信号的抑制。仔细分析后，文中对平稳随机型干扰即白噪声进行了基于小波变换的分析处理，对有色噪声未涉及。对连续周期型干扰滤波论及不多，小波变换对这类干扰应该也不是有效的。文［10］论及到连续周期型干扰滤波问题，它提出了3次B样条小波对采样信号进行预处理的方法，可基本消除偶次谐波和1.5次以上非整数次谐波。但这种方法对谐波滤波也不理想。
MMSER-应用线调频小波变换在电机故障信号谐波检测中的应用
电机转子故障信号不仅包含随机噪声、基波，而且包含整数(奇数、偶数)倍数次和分数次的谐波干扰，也含有脉冲干扰。这是因为频率的微小变化、外来干扰、磁场变化、内部放电以及工作特性与频率有关的电力电子设备引起的。
图1以异步电机匝间短路(不同分支)的定子C相一分支距中心点15%匝比处经1kΩ阻抗接地的故障为例，说明线调频小波变换在信号消除噪声、滤除干扰、去除整数和分数谐波的有效性以及与小波变换结果的比较。图(a)是定子C相故障电流，它含有基波、奇偶次谐波、分数谐波和噪声；图(b)是消噪后的信号；图(c)消除分数谐波后的结果；滤除偶数谐波后便得到图(d)；图(e)是滤除奇数次谐波后的信号。而对图(a)信号进行小波变换处理后，得到图(f)，不能直接进行谐波的滤除，而必须采用文［8，9，10］这样特殊处理，文［8，9，10］也只能解决某一方面的问题。相比而言，本文的方法就能统一解决问题。
