1.一种基于稀疏分解阈值设定的大地电磁信号去噪方法，其特征在于：包括如下步骤：S1：将待处理的大地电磁信号以采样长度为N进行等长度分段，并选择出高质量数据段以及计算出每个高质量数据段的均方根值，再获取分解阈值；

其中，将所有选定的高质量数据段的均方根值中的最大值作为所述分解阈值；

S2：根据所述分解阈值鉴别每个数据段为强干扰数据段或非强干扰数据段；

其中，数据段的均方根值大于所述分解阈值，所述数据段为强干扰数据段，以及将强干扰数据段作为待分解数据段并执行步骤S3；数据段的均方根值小于或等于所述分解阈值，所述数据段为非强干扰数据段；

S3：对所有待分解数据段均采用正交匹配追踪与小生境粒子群算法进行稀疏分解得到去除强干扰的大地电磁信号数据段；

其中，利用正交匹配追踪对每个所述待分解数据段进行稀疏分解直至分解得到的大地电磁信号数据段的均方根值小于或等于所述分解阈值，且每一次分解过程中利用小生境粒子群算法获取当前稀疏分解中的最优原子，所述最优原子用于更新当前一次稀疏分解过程中对应的原子集合；

S4：将稀疏分解得到的大地电磁信号数据段以及非强干扰数据段进行有序拼接得到去噪后的大地电磁信号。

2.根据权利要求1所述的方法，其特征在于：步骤S3中在一次稀疏分解中利用小生境粒子群算法获取最优原子的过程如下：S311：随机产生Q个粒子，并获取每个粒子的初始速度、初始位置以及粒子的位置范围和速度范围；

S312：计算每任意两个粒子之间的FER值，所述FER值由两个粒子当前的历史最佳位置、当前粒子种群中适应度最佳、最差的粒子位置决定；

S313：基于粒子之间的FER值更新每个粒子的速度以及位置；

S314：基于更新后的每个粒子的速度、位置再返回S312、S313进行下一次迭代，直至完成K次更新，K为正整数；

S315：基于每个粒子每个位置上的适应度值获取最优原子；

其中，所述最优原子为所有粒子在所有位置上的适应度值中最大值对应的粒子位置。

3.根据权利要求2所述的方法，其特征在于：粒子j相对于粒子i的FER值按照如下公式计算：式中，FER(j,i)表示粒子j相对于粒子i的FER值，A为尺度因子， 表示适应度函数，pj、pi分别表示当前粒子j和粒子i的历史最佳位置，最佳位置表示当前粒子在移动过程中适应度最大时的位置；

其中，尺度因子A以及适应度函数 如下所示：

式中，||h||为搜索空间上限和下限之差的二范数，搜索空间为粒子的位置范围；pg、pw表示当前一次迭代中粒子种群中适应度最佳、最差的粒子位置， 表示粒子i的位置参数为xi(k)时的适应度，gγ为原子库中第γ个原子，且与粒子i的位置参数为xi(k)相关，Rm-1表示当前的残余信号，m表示当前稀疏分解次数。

4.根据权利要求2所述的方法，其特征在于：粒子的速度更新公式如下：vi(k+1)＝w·vi(k)+c1·rand()·[pbi(k)-xi(k)]+c2·rand()·[nbi(k)-xi(k)]式中，vi(k+1)、vi(k)分别表示第k+1次迭代、第k次迭代的粒子i的速度，k表示当前的迭代次数，w为惯性权重因子，c1、c2均为学习因子，rand()表示(0，1)之间均匀分布的随机数，pbi(k)为粒子i当前移动过程的适应度最大值，nbi(k)为在其他粒子相较于粒子i的FER值的最大值，xi(k)表示粒子i在当前的迭代次数k下的位置；

位置更新公式为：xi(k+1)＝xi(k)+vi(k+1)；

式中，xi(k+1)、xi(k)分别表示第k+1次迭代、第k次迭代的粒子i的位置。

5.根据权利要求4所述的方法，其特征在于：步骤S313中利用粒子i的速度和位置更新公式更新粒子的速度和位置的过程如下：首先，利用粒子i的速度更新公式更新粒子的速度；

然后，获取粒子i在当前历史最优位置pbi(k)处对应的适应度以及粒子i在pbi_nearest位置处对应的适应度，所述pbi_nearest位置为与粒子i相距最近的其他粒子的当前历史最优位置；

接着，判断是否满足

其中，若满足，令Temp＝pbi(k)+c1·rand()·(pbi_nearest-pbi(k))；

若不满足，令Temp＝pbi(k)+c1·rand()·(pbi(k)-pbi_nearest)；

其次，判断是否满足 若满足，令pbi(k)＝Temp，并重新利用速度更新公式更新粒子速度；若不满足，对粒子的速度不进行再次更新；

最后，利用粒子更新的速度以及位置更新公式更新离子的位置。

6.根据权利要求2所述的方法，其特征在于：粒子的位置参数包括衰减系数p、起始采样点τ、频率f、相位θ，粒子的位置范围由位置参数的取值范围确定，频率f的取值范围为：[0，fs/2]，fs为所述待处理的大地电磁信号采样频率，衰减系数p的取值范围为：[300，2000]，起始采样点τ的取值范围为：[1，N]，相位θ的取值范围为：[0，2π]。

7.根据权利要求1所述的方法，其特征在于：步骤S3中对待分解数据段进行稀疏分解得到去除强干扰的大地电磁信号数据段的过程如下：S31：将残余信号的初始值设置为待分解数据段；

S32：利用小生境粒子群算法寻找与当前残余信号最相关的原子，所述最相关的原子为当前一次稀疏分解的最优原子；

S33：采用正交匹配追踪对残余信号进行去噪更新，并判断更新后的残余信号的均方根值是否小于或等于所述分解阈值，若是，更新后的残余信号为去除强干扰后的大地电磁信号数据段，否则，返回S32进行下一次稀疏分解；

其中，采用正交匹配追踪对残余信号进行去噪更新的过程中利用步骤S32得到最优原子更新稀疏分解的原子集合，并利用所述原子集合对残余信号进行去噪更新。

8.根据权利要求7所述的方法，其特征在于：步骤S33的执行过程如下：首先，利用步骤S32获取的当前一次稀疏分解中的最优原则更新原子集合；

式中，ψm、ψm-1分别表示第m次、第m-1次稀疏分解的原子集合， 为第m次稀疏分解的最优原子，初始的原子集合为空集；

然后，利用最小乘法求解投影系数um，再利用投影系数um重构大尺度干扰信号 并利用重构信号 更新残余信号Rm；

最后，判断更新后的残余信号Rm+1的均方根值是否小于或等于所述分解阈值，若小于或m等于，输出残余信号R，否则，返回S32进行下一次稀疏分解。

9.根据权利要求1所述的方法，其特征在于：数据段的均方根值按照如下公式计算：式中，MSE为数据段的均方根值，xn为数据段上第n个采样点的幅值。

10.根据权利要求1所述的方法，其特征在于：稀疏分解的原子库采用负指数衰减的正弦波作为时频原子来构建；

其中，gγ表示参数组c、p、τ、f、θ定义的归一化原子，c为归一化参数，p为衰减系数，τ为起始采样点，f为频率，θ为相位，n代表着1到N中的任意一个数值。