1.一种基于多分辨率奇异值分解的大地电磁信噪分离方法，其特征在于：包括以下步骤：

步骤S1：获取实测大地电磁信号时间序列，对所述实测大地电磁信号时间序列进行均匀分段；

步骤S2：针对每一段大地电磁信号 ，分别构造Hankel矩阵 ；

步骤S3：对构造的每个Hankel矩阵 分别进行SVD分解，得到细节信号和近似信号，并依据每组细节信号和近似信号识别对应一段大地电磁信号大地 为有用信号段或强干扰数据段；

步骤S4：利用MRSVD算法分解每个强干扰数据段的近似信号得到大尺度噪声轮廓，并将强干扰数据段的信号减去对应的所述大尺度噪声轮廓得到去噪的信号段；

步骤S5：将所有有用信号段和去噪的信号段进行拼接得到大地电磁有用信号。

2.根据权利要求1所述的方法，其特征在于：步骤S4中利用MRSVD算法处理每个强干扰数据段的近似信号得到大尺度噪声轮廓的过程采用如下方式一或方式二进行；

方式一：针对强干扰数据段的近似信号，采用遗传算法GA算法获取MRSVD算法的最优分解层数，再基于所述最优分解层数并利用所述MRSVD算法对强干扰数据段的近似信号进行分解得到大尺度噪声轮廓；

其中，将达到最优分解层数后得到的近似信号作为对应强干扰数据段的大尺度噪声轮廓；未达到最优分解层数时，将当前分解得到的近似信号作为下一次分解的分解信号；

方式二：采用自适应的所述MRSVD算法对强干扰数据段的近似信号进行分解得到大尺度噪声轮廓；

其中，若当前分解的细节信号标准差与前一次分解的细节信号标准差的差值小于预设阈值 ，或满足小于或等于预设阈值 ，当前分解得到的近似信号为对应强干扰数据段的大尺度噪声轮廓；否则，将当前分解得到的近似信号作为下一次分解的分解信号循环分解直至得到大尺度噪声轮廓。

3.根据权利要求2所述的方法，其特征在于：所述采用GA算法获取MRSVD算法的最优分解层数的过程如下：

S4‑1：初始化参数：种群规模sizepop、最大迭代次数maxgen、交叉率Pc、变异率Pm、分解层数N的取值范围、随机产生M个个体作为初始种群并作为当前种群，其中，将分解层数N作为种群个体；

S4‑2：基于个体取值并利用所述MRSVD算法对强干扰数据段进行分解，再利用分解后的近似信号计算每个个体的适应度评价函数；

S4‑3：判断终止条件，若满足条件，基于个体的适应度确定最佳个体，最佳个体对应的分解层数为最优分解层数；若不满足终止条件，则执行步骤S4‑4；

S4‑4：对当前父代种群进行选择、交叉、变异等操作，得到新一代种群即子代种群；

S4‑5：将子代种群作为当前种群，跳转到步骤S4‑2，进行下一次迭代。

4.根据权利要求2中所述的方法，其特征在于：步骤S4‑2中所述适应度评价函数为：基于个体取值对应的分解层数并采用所述MRSVD算法进行分解后，得到的近似信号的信息熵。

5.根据权利要求1所述的方法，其特征在于：对任一个强干扰数据段的近似信号进行MRSVD分解得到大尺度噪声轮廓的过程如下：步骤S5‑1：依据近似信号构造Hankel矩阵 ，j表示分解次数；

其中，在MRSVD分解过程进行第一次分解时，依据强干扰数据段的近似信号构造Hankel矩阵；

步骤S5‑2：对Hankel矩阵 进行SVD分解得到细节信号和近似信号；

步骤S5‑3：判断是否达到了分解终止条件，若达到，将当前分解得到的近似信号作为强干扰数据段的大尺度噪声轮廓；否则，获取当前分解的近似信号，并返回执行步骤S5‑1。

6.根据权利要求1所述的方法，其特征在于，步骤S3中依据每组细节信号和近似信号识别对应一段大地电磁信号大地 为有用信号段或强干扰数据段的过程如下：计算细节信号标准差和近似信号标准差的差值，若差值小于 ，或差值小于或等于 ，对应一段大地电磁信号大地 为有用信号段，否则，对应一段大地电磁信号大地 为强干扰数据段。

7.根据权利要求2或6所述的方法，其特征在于：信号标准差的公式如下：式中， 为数据段的标准差，样本为 ， 为样本均值，N为信号样本数。

8.根据权利要求1所述的方法，其特征在于：所述Hankel矩阵为三维Hankel矩阵，相邻两行所在同一列的两个信号之间，一个信号滞后另一个信号Q个采样点，Q为正整数；

若Q为1时，若一段大地电磁信号 表示为： ，N为所述一段大地电磁信号 的信号长度， 为所述一段大地电磁信号 中第1个、第2个、第N个信号；

依据所述大地电磁信号 构造的Hankel矩阵P表示如下：。

9.一种基于权利要求1所述方法的大地电磁信噪分离系统，其特征在于：包括：大地电磁信号预处理模块，用于获取实测大地电磁信号时间序列，对所述实测大地电磁信号时间序列进行均匀分段；

Hankel矩阵构建模块，用于针对每一段大地电磁信号 ，分别构造Hankel矩阵 ；

SVD分解模块，用于对构造的每个Hankel矩阵 分别进行SVD分解，得到细节信号和近似信号；

判断模块，用于依据每组细节信号和近似信号识别对应一段大地电磁信号大地 为有用信号段或强干扰数据段；

MRSVD分解模块，用于利用MRSVD算法分解每个强干扰数据段的近似信号得到大尺度噪声轮廓；

计算模块，用于将每个强干扰数据段的信号减去对应的大尺度噪声轮廓得到去噪的信号段；

拼接模块，用于将所有有用信号段和去噪的信号段进行拼接得到大地电磁有用信号。

10.根据权利要求9所述的系统，其特征在于：还包括：最优分解层数获取模块，用于采用GA算法获取MRSVD算法的最优分解层数；所述MRSVD分解模块，用于基于所述最优分解层数并采用MRSVD算法处理每个强干扰数据段的近似信号得到大尺度噪声轮廓。