CN109579979A - 一种新能源车电机噪声信号提取方法及系统 - Google Patents

Abstract

为解决现有普通的信号提取方法并不能很好的实现电机噪声信号的提取或者提取效果不佳的问题，本发明提供了一种新能源车电机噪声信号提取方法及系统。一种新能源车电机噪声信号提取方法，包括如下步骤：采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；对所述次级信号进行隔遮处理，获得尖峰脉冲信号；对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。本发明实施例公开的新能源车电机噪声信号提取方法，计算量和复杂程度更低，实现更简单。成本更低。

Description

一种新能源车电机噪声信号提取方法及系统

技术领域

本发明涉及新能源车电机噪声信号提取领域。

背景技术

随着新能源产业的迅速发展，也同样给我们带来了电机噪声的问题。尤其是新能源汽车，电机的高频噪声是一种噪声综合的结果，包括机械噪声，电磁噪声以及空气噪声，频率从1KHz到12KHz或者更高，这种高频的电磁噪声会给人带来强烈的不适感。所以对这种噪声的治理是非常有必要的。

现有的降噪方案主要有两种，一种是被动降噪，也叫做物理降噪。包括结构优化，消除共振，阻尼材料进行吸隔声等。另外一种是主动降噪，包括有源降噪和掩蔽效应以及其它一些声音补偿措施等手段。

对于主动降噪方式，对电机的高频信号进行主被动降噪时，都需要单独的把目标噪声信号提取处理，现有语音信号的提取方法有很多，但由于电机噪声信号的特殊性(1KHz到12KHz或者更高频率)，现有普通的信号提取方法并不能很好的实现新能源车电机噪声信号的提取或者提取效果不佳，而专用的商业提取方法，虽然效果较好，但是其过程复杂，不方便用来进行试验和研究。

发明内容

为解决现有普通的信号提取方法并不能很好的实现电机噪声信号的提取或者提取效果不佳，而专用的商业提取方法，虽然效果较好，但是其过程复杂，不方便用来进行试验和研究的问题，本发明提供了一种新能源车电机噪声信号提取方法及系统。

本发明一方面提供了一种新能源车电机噪声信号提取方法，包括如下步骤：

采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；

从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；

对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；

对所述次级信号进行隔遮处理，获得尖峰脉冲信号；

对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。

本发明实施例公开的新能源车电机噪声信号提取方法，在采集声环境信号后，通过提取更便于后续分数傅里叶变换的处理包括电机噪声信号和背景信号的初级信号；由于傅里叶变换分析线性、平稳信号更具优良性能的特性。因此，再对该初级信号进行P阶分数傅里叶变换，利用傅里叶变换将初级信号的时域变换为频域，利用领域上更容易看出特征频率和相位信息，提取初级信号的频谱已进行分析；然后通过隔遮处理，获得尖峰脉冲信号，如此，将背景信号经过P阶分数傅里叶变换后的信号滤除，仅保留电机噪声信号经过P阶分数傅里叶变换后的信号；如此，再对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，即可获得作为目标信号的电机噪声信号。本发明公开的上述新能源车电机噪声信号提取方法，此方法计算量和复杂程度更低，实现更简单。其效果非常好，足以达到商用提取方法相同的效果，能够达到申请人进行研究和试验的标准。成本更低。

本发明第二方面提供了一种新能源车电机噪声信号提取系统，包括如下模块：

声环境信号采集模块，用于采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；

初级信号提取模块，用于从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；

分数阶傅里叶变换模块，用于对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；

隔遮处理模块，用于对所述次级信号进行隔遮处理，获得尖峰脉冲信号；

分数阶傅里叶反变换模块，用于对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。

本发明实施例公开的新能源车电机噪声信号提取系统，在通过声环境信号采集模块采集声环境信号后，通过初级信号提取模块提取更便于后续分数傅里叶变换的处理包括电机噪声信号和背景信号的初级信号；由于傅里叶变换分析线性、平稳信号更具优良性能的特性。因此，再通过分数阶傅里叶变换模块对该初级信号进行P阶分数傅里叶变换，利用傅里叶变换将初级信号的时域变换为频域，利用领域上更容易看出特征频率和相位信息，提取初级信号的频谱已进行分析；然后通过隔遮处理模块进行隔遮处理，获得尖峰脉冲信号，如此，将背景信号经过P阶分数傅里叶变换后的信号滤除，仅保留电机噪声信号经过P阶分数傅里叶变换后的信号；如此，再通过分数阶傅里叶反变换模块对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，即可获得作为目标信号的电机噪声信号。本发明公开的上述新能源车电机噪声信号提取系统，此系统计算量和复杂程度更低，实现更简单。且提取效果非常好，足以达到商用提取软件相同的效果，能够达到申请人进行研究和试验的标准。成本更低。

附图说明

图1是本发明具体实施方式中提供的新能源车电机噪声信号的提取流程图；

图2是本发明具体实施方式中提供的信号在时频域上坐标轴绕原点逆时针旋转pπ/2后构成的分数阶傅里叶域的示意图；

图3是本发明具体实施方式中提供的线性调频信号经分数阶傅里叶变换后在MATLAB中仿真示意图；

图4是本发明具体实施方式中提供的电机恒频啸叫噪声提取后的时频信号示意图；

图5是现有商业方法提供的电机恒频啸叫噪声提取后的时频信号示意图；

图6是本发明具体实施方式中提供的电机恒频啸叫噪声提取后的信号波形示意图；

图7是现有商业方法提取的电机恒频啸叫噪声提取后的信号波形示意图；

图8是本发明具体实施方式中提供的电机变频啸叫噪声提取后的时频信号示意图；

图9是现有商业方法提供的电机变频啸叫噪声提取后的时频信号示意图；

图10是本发明具体实施方式中提供的电机变频啸叫噪声提取后的信号波形示意图；

图11是现有商业方法提供的电机变频啸叫噪声提取后的信号波形示意图；

图12是本发明具体实施方式中提供的新能源车电机噪声信号的提取系统框图。

其中，1、声环境信号获取模块；2、初级信号提取模块；3、分数阶傅里叶变换模块；4、隔遮处理模块；5、分数阶傅里叶反变换模块。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

本例公开了一种新能源车电机噪声信号提取方法，如图1所示，包括如下步骤：

步骤S1、声环境信号采集步骤：采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；

步骤S2、初级信号提取步骤：从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；

步骤S3、分数阶傅里叶变换步骤：对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；

步骤S4、隔遮处理步骤：对所述次级信号进行隔遮处理，获得尖峰脉冲信号；

步骤S5、分数阶傅里叶反变换步骤：对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。

下面对各步骤进行具体解释说明。

其中，所述步骤S1具体包括如下步骤：

在新能源车中，电机噪声的频率一般都会很高，其中，所谓声环境指在一定的区域中，所有声音组成的系统，所谓新能源车的声环境指新能源车内部环境，具体的，本例中指驾驶员和乘客所处的空间中，比如驾驶室内(或者置于副驾驶室内，效果也是等效的)、电机仓内等。

本例中的声环境的信号包括声环境内的噪声信号(目标信号)和其他信号；声环境的噪声，指在声环境中为人体可以感受到的噪声，对于新能源车而言，其声环境噪声一方面包括来源于电机的高频噪声，将其称为电机噪声。通过对新能源车的高频电机噪声的研究，我们发现，当电机转速达到一定的值时，会产生啸叫声，这种啸叫声的频率总体上可以分为两类，一类是频率不变的，我们称之为恒频啸叫，另一类是变频的，我们称之为变频啸叫。上述两种啸叫均是高频的电机噪声。另一方面，还包括其他非电机噪声，比如路噪、胎噪、结构振动噪声等，这些非电机噪声的频率相对较低。本申请中，主要采集的目标对象为电机噪声，换句话说，本申请的目的是提取该新能源车的电机噪声信号。以便申请人后续进行主动降噪的研究和试验。

由于本申请要采集电机噪声信号，因此，最好的方式是直接采集新能源车电机附近的声音。当然，根据需要，可以使用本方法采用任意需要检测位置的噪声信号。

对电机高频噪声的采集必须要精确一点，在进行电机噪声采集时，同时会采集到其它非电机高频噪声，比如车体摩擦噪声、喇叭声、车外噪声等。因此，优选直接在电机附近(布置电机的电机仓中)采集该电机噪声信号，由此可以保证采集到的电机噪声信号的完整性，排除噪声在传播过程中产生的衰减等不确定因素。并防止其他非电机噪声进行干扰。具体地，可以通过声音信号接收器(如麦克风等)实时采集电机产生的噪声。

其中，步骤S2具体为：根据经验或者通过频谱分析从所述声环境信号中提取获所述初级信号；一般提取方法为滤波。一般电机的啸叫信号和频率是有一定的关系，根据啸叫信号的频率进行预处理(一般为滤波)。比如如图8所示，啸叫信号的频率是3500Hz到4500Hz之间，如此，我们提取3500Hz～4500Hz之间的频段的信号，即为初级信号。一般的，其在MATLAB(MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境等；为本领域技术人员所公知)中对信号进行仿真，可以提取出上述包括电机噪声信号在内的初级信号。

其中，所述初级信号x(t)通过如下函数表示：

x(t)＝s(t)+w(t)

其中，所述s(t)为电机噪声信号，所述w(t)为背景信号。上述电机噪声信号s(t)是我们需要提取的目标信号，该背景信号为其他电机噪声信号以外的信号，是我们需要滤除的信号。比如，背景信号一般包括高斯白噪声。由于傅里叶变换在分析线性、平稳信号时，有优良的性能。但其对非平稳信号，比如信号变化剧烈时，则效果不佳。因此，该提取的初级信号x(t)最好为混有高斯白噪声的线性调频信号。

比如，所述电机噪声信号s(t)为线性调频信号，其函数表示为：

s(t)＝a₀exp(jπm₀t²+j2πf₀)

其中，a₀是包络函数，m₀是线性调频率，f₀是初始频率。

傅里叶变换为信号处理领域中常用的滤波手段，只是现有技术中还没有见到如本申请中所示用作电机噪声信号提取的方案。分数阶傅里叶变换作为傅里叶变换的一类，也是同样的信号处理领域公知的，但此前没有用作电机噪声信号提取。本申请中则创造性的将分数阶傅里叶变换、隔遮处理和分数阶傅里叶反变换结合以提取电机噪声信号。所谓的P阶分数傅里叶变换即指采用时频域旋转系数P对其进行分数阶傅里叶变换。

事实上，P阶分数傅里叶变换是本领域技术人员所公知的。所谓傅里叶变换如图2所示，其实质为将时频面旋转的方法，将信号在时频平面(或时频域，图中所示(ω,t平面))上旋转特定的旋转角(如图中所示的)，使得信号在新的二维平面(图中所示(v,u平面))上退化为单频的正弦信号；或可以理解成时频域上坐标轴绕原点逆时针旋转角度后构成的分数阶傅里叶域(v,u平面)上的表示。此时，不同的P值表现出不同的旋转角。不同的旋转角旋转后的结果其聚集性(或称聚焦性)不一样，选择聚集性最优的结果即可获得不同的想要的目标信号。如图3所示，图3是线性调频信号经分数阶傅里叶变换后在MATLAB中仿真示意图，可以看出，该图中纵向表示信号幅度，u轴表示信号频率，p轴表示p的取值。从图中可以看出，当p值为0.8左右时该信号的能量聚集最大，也就是说当旋转角为时，形成的(v,u)平面上，目标信号的聚焦性最好。此时在(v,u)平面上对其进行隔遮(带通滤波)处理，然后进行傅里叶反变换就可以完成目标信号的提取。

具体的，关于聚集性最佳的P值的提取方法，并不限定具体的方式，本领域技术人员可以根据经验获取，或者在某个取值范围内离散取样，逐个比较，已选取最优结果，比如，本例中所述步骤S3包括如下步骤：

从预设的【p1，p2】范围内取若干离散值作为P，对所述初级信号进行分数傅里叶变换获得分数阶傅里叶变换域，从所述分数阶傅里叶变换域中取其中能量聚集性最优的信号作为次级信号。

比如，仍以图3为例，设p1为0.5，p2为1.5；以0.1或者0.05等为间隔做离散取样，获得若干P值，然后将其进行P阶分数傅里叶变换，将变换结果在MATLAB中进行仿真，然后从中选择出聚集性最佳的P值。以此该具体性最佳的P值仿真的信号即为该次级信号。此外，在选择P值时，优选还考虑目标信号和背景信号之间尽量没有耦合。

虽然P阶分数傅里叶变换为本领域技术人员所公知，为便于普通公众了解，申请人以下进一步进行具体解释说明。

比如，假设所述P阶分数傅里叶变换后的次级信号表示为X_p(u)，其通过如下函数表示：

X_p(u)＝S_p(u)+N_p(u)；

其中，其中S_p(u)为电机噪声信号s(t)的分数傅里叶变换后得到的信号，N_p(u)为背景信号w(t)的分数傅里叶变换后得到的信号。

数学上，所述P阶分数傅里叶变换可以理解成通过如下函数实现：

本例中，其中，为核函数：

核函数为公众所知，根据不同的需求，可以选择不同的核函数，本例中，如上核函数可知，旋转角决定了核函数的基本特性，P值决定了旋转角大小。

具体的，所谓的隔遮处理，是指对次级信号的峰值进行提取，如图3所示，因其峰值表示的是目标信号；提取峰值也即提取了目标信号。提取该目标信号的方式在数学上一般通过滤波实现。

所述步骤S4具体包括如下步骤：用带通滤波器滤对次级信号进行滤波，获得所述尖峰脉冲信号。

所述尖峰脉冲信号表示为X_p^′(u)，所述尖峰隔遮处理具体通过如下函数实现：

X_p^′(u)＝X_p(u)M_p(u)＝S_p(u)M_p(u)+N_p(u)M_p(u)；

其中，所述M_p(u)是中心频率为u0的带通滤波器。通过该带通滤波器，即可滤除次级信号的平坦部分，选择适当的带宽可以有效的滤除大部分噪声能量。但由于带宽越大信号两端越平滑，较大带宽滤波会形成一个钟形脉冲。因此对等幅信号进行滤波要想较好还原波形，带宽选择不易过大。

如此，通过上述隔遮处理后，则对目标信号和背景信号进行了分离，但是其分离的结果是经P阶分数傅里叶变换后的信号；为此，还需要对其进行逆向还原才能获得目标信号。由于分数阶傅里叶变换的阶数可加性(旋转可加性)特性，对其进行P阶分数傅里叶反变换，即可获得所需的目标信号。

其中，步骤S5具体通过如下函数实现：

其中，x′^(t)为目标信号，K_-p(t,u)为P阶分数傅里叶反变换的核函数。

申请人对本方法提供的提取方法进行了仿真分析，并与现有商业方法提供的提取方法进行了对比，如图4、图5所示的本申请及商业方法对电机恒频啸叫噪声提取后的时频信号示意图，其横轴为时间，纵轴为频率，当对恒频电机噪声进行信号提取时，都可以相对较清晰的提取到多个高频噪声信号，且背景干扰很小。图4、图5效果相当。如图6、图7所示本申请及商业方法对电机恒频啸叫噪声提取后的信号波形示意图，其横轴为时间，纵轴为幅度，可看出两种方法提取的啸叫信号结果基本完全一致，虽然在幅度上有少许差异，但两个信号中包含的信息是一致的，而且提取的两个信号声音在主观感受上完全听不出差异。如图8、图9所示的本申请及商业方法对电机变频啸叫噪声提取后的时频信号示意图，其横轴为时间，纵轴为频率，当对变频啸叫噪声进行信号提取时，可以相对较清晰的提取到多个高频噪声信号，且背景干扰很小。图8、图9效果相当。如图10、图11所示的本申请及商业方法对电机变频啸叫噪声提取后的信号波形示意图，其横轴为时间，纵轴为幅度，可看出两种方法提取的啸叫信号结果基本也完全一致，虽然在幅度上有少许差异，但两个信号中包含的信息是一致的，而且提取的两个信号声音在主观感受上完全听不出差异。

综上可知，本申请提供的噪声提取方法，提取的目标信号与商业软件提取的目标信号几乎没有差异，能够达到我们进行研究和试验的标准。

本例公开的新能源车电机噪声信号提取方法，在采集声环境信号后，通过提取更便于后续分数傅里叶变换的处理包括电机噪声信号和背景信号的初级信号；由于傅里叶变换分析线性、平稳信号更具优良性能的特性。因此，再对该初级信号进行P阶分数傅里叶变换，利用傅里叶变换将初级信号的时域变换为频域，利用领域上更容易看出特征频率和相位信息，提取初级信号的频谱进行分析；然后通过隔遮处理，获得尖峰脉冲信号，如此，将背景信号经过P阶分数傅里叶变换后的信号滤除，仅保留电机噪声信号经过P阶分数傅里叶变换后的信号；如此，再对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，即可获得作为目标信号的电机噪声信号。本发明公开的上述新能源车电机噪声信号提取方法，此方法计算量和复杂程度更低，实现更简单。其效果非常好，足以达到商用提取方法相同的效果，能够达到申请人进行研究和试验的标准。成本更低。

实施例2

本例公开了一种新能源车电机噪声信号提取系统，如图12所示，包括如下模块：

声环境信号采集模块1，用于采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；

初级信号提取模块2，用于从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；

分数阶傅里叶变换模块3，用于对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；

隔遮处理模块4，用于对所述次级信号进行隔遮处理，获得尖峰脉冲信号；

分数阶傅里叶反变换模块5，用于对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。

本例公开的新能源车电机噪声信号提取系统已在上述实施例1中对应做了详细说明，为免重复，不再赘述。

本发明实施例公开的新能源车电机噪声信号提取系统，在通过声环境信号采集模块采集声环境信号后，通过初级信号提取模块提取更便于后续分数傅里叶变换的处理包括电机噪声信号和背景信号的初级信号；由于傅里叶变换分析线性、平稳信号更具优良性能的特性。因此，再通过分数阶傅里叶变换模块对该初级信号进行P阶分数傅里叶变换，利用傅里叶变换将初级信号的时域变换为频域，利用领域上更容易看出特征频率和相位信息，提取初级信号的频谱进行分析；然后通过隔遮处理模块进行隔遮处理，获得尖峰脉冲信号，如此，将背景信号经过P阶分数傅里叶变换后的信号滤除，仅保留电机噪声信号经过P阶分数傅里叶变换后的信号；如此，再通过分数阶傅里叶反变换模块对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，即可获得作为目标信号的电机噪声信号。本发明公开的上述新能源车电机噪声信号提取系统，此系统计算量和复杂程度更低，实现更简单。且提取效果非常好，足以达到商用提取软件相同的效果，能够达到申请人进行研究和试验的标准。成本更低。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种新能源车电机噪声信号提取方法，其特征在于，包括如下步骤：

采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；

从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；

对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；

对所述次级信号进行隔遮处理，获得尖峰脉冲信号；

对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。

2.根据权利要求1所述的新能源车电机噪声信号提取方法，其特征在于，所述“采集新能源车的声环境信号”具体包括如下步骤：

将声音信号接收器置于电机附近，采集新能源车的声环境信号。

3.根据权利要求1所述的新能源车电机噪声信号提取方法，其特征在于，所述“从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号”具体为：根据经验或者通过频谱分析从所述声环境信号中提取获所述初级信号；

其中，所述初级信号x(t)通过如下函数表示：

x(t)＝s(t)+w(t)

其中，所述s(t)为电机噪声信号，所述w(t)为背景信号。

4.根据权利要求3所述的新能源车电机噪声信号提取方法，其特征在于，所述s(t)为线性调频信号，其函数表示为：

s(t)＝a₀exp(jπm₀t²+j2πf₀)

其中，a₀是包络函数，m₀是线性调频率，f₀是初始频率；

所述背景信号w(t)为高斯白噪声。

5.根据权利要求3所述的新能源车电机噪声信号提取方法，其特征在于，所述“对所述初级信号进行P阶分数傅里叶变换处理获得次级信号”具体包括如下步骤：

从预设的【p1，p2】范围内取若干离散值作为P，对所述初级信号进行分数傅里叶变换获得分数阶傅里叶变换域，从所述分数阶傅里叶变换域中取其中能量聚集性最优的信号作为次级信号。

6.根据权利要求5所述的新能源车电机噪声信号提取方法，其特征在于，所述P阶分数傅里叶变换后的次级信号表示为X_p(u)，其通过如下函数表示：

X_p(u)＝S_p(u)+N_p(u)；

其中，其中S_p(u)为电机噪声信号的分数傅里叶变换后得到的信号，N_p(u)为背景信号的分数傅里叶变换后得到的信号。

7.根据权利要求6所述的新能源车电机噪声信号提取方法，其特征在于，

所述P阶分数傅里叶变换通过如下函数实现：

其中，其中为核函数：

8.根据权利要求7所述的新能源车电机噪声信号提取方法，其特征在于，所述“对所述次级信号进行隔遮处理，获得尖峰脉冲信号”具体包括如下步骤：用带通滤波器滤对次级信号进行滤波，获得所述尖峰脉冲信号。

9.根据权利要求8所述的新能源车电机噪声信号提取方法，其特征在于，所述尖峰脉冲信号表示为X_p^′(u)，所述尖峰隔遮处理具体通过如下函数实现：

X_p^′(u)＝X_p(u)M_p(u)＝S_p(u)M_p(u)+N_p(u)M_p(u)；

其中，所述M_p(u)是中心频率为u0的带通滤波器。

10.根据权利要求9所述的新能源车电机噪声信号提取方法，其特征在于，所述“对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号”具体通过如下函数实现：

其中，x^′(t)为目标信号，K_-p(t,u)为P阶分数傅里叶反变换的核函数。

11.一种新能源车电机噪声信号提取系统，其特征在于，包括如下模块：

声环境信号采集模块，用于采集新能源车的声环境信号，所述声环境信号包括电机噪声信号；

初级信号提取模块，用于从所述声环境信号中提取包括电机噪声信号和背景信号在内的初级信号；

分数阶傅里叶变换模块，用于对所述初级信号进行P阶分数傅里叶变换处理获得次级信号；其中，P为时频域旋转系数；

隔遮处理模块，用于对所述次级信号进行隔遮处理，获得尖峰脉冲信号；

分数阶傅里叶反变换模块，用于对所述尖峰脉冲信号进行P阶分数傅里叶反变换处理，获得目标信号。