1.一种基于GWO优化小波阈值的大地电磁信号去噪方法，其特征在于：包括如下步骤：步骤1：将待去噪的大地电磁信号进行分段，并对每段信号均进行w1小波J层变换，得到最大尺度低频小波系数caJ和各个尺度高频小波系数CDj,1≤j≤J；

步骤2：基于GWO算法获取各个尺度下最优阈值作为最优分层阈值；

其中，将各个尺度下的阈值作为GWO算法中灰狼的位置参数；

步骤3：以每段信号为单元，利用对应的所述最优分层阈值进行去噪得到去噪后的大地电磁信号，其中，引入的基追踪重构算法进行去噪，过程如下：步骤3‑1：利用所述最优分层阈值对所述各个尺度高频小波系数进行阈值量化处理得到阈值处理后的高频小波系数，并引入所述最大尺度低频小波系数caJ进行重构得到估计信号

步骤3‑2：分别对估计信号 与原始信号x进行w2小波变换得到小波系数θ1和θ2；

其中，所述w2小波与所述w1小波的小波基不同；

步骤3‑3：利用小波系数θ1构造Wiener滤波器Hw，再利用所述Wiener滤波器Hw处理小波系数θ2得到原始信号x的稀疏表示步骤3‑4：构造m×n维观测矩阵Φ，并利用所述观测矩阵Φ对所述稀疏表示 进行测量得到测量值

步骤3‑5：利用基追踪重构算法对测量值y进行重构和求解得到最佳稀疏表示θ；

‑1

步骤3‑6：对所述最佳稀疏表示θ进行小波逆变换w2 得到噪声轮廓x′，再将所述原始信号x减去噪声轮廓x′得到对应一段去噪后的大地电磁信号，再将去噪后每一段大地电磁信号进行拼接。

2.根据权利要求1所述的方法，其特征在于：步骤2中基于GWO算法获取各个尺度下最优阈值作为最优分层阈值的过程如下：步骤2‑1：参数初始化：灰狼种群规模g、搜索空间维度dim、最大迭代次数M、搜索空间上界ub，下界db；

步骤2‑2：初始化灰狼种群中每个灰狼个体的位置Xi，所述位置Xi表示各个尺度下的阈值；

步骤2‑3：基于每个灰狼个体的当前位置Xi计算每个灰狼个体的适应度，其中，适应度越小对应阈值越优；

步骤2‑4：根据灰狼个体的适应度从小到大的顺序选取适应度靠前的3个灰狼个体的位置Xi作为Xο、Xp、Xq；

步骤2‑5：基于所述Xο、Xp、Xq采用种群搜索策略接近猎物，进而更新灰狼个体的位置；

步骤2‑6：利用最优学习搜索方程学习步骤2‑5中每个灰狼个体的位置得到学习后的位置，再返回步骤2‑3进行下一次迭代计算；

其中，若是满足迭代终止条件，则将当前适应度最小的灰狼个体的位置Xο作为各个尺度下最优阈值；否则，继续迭代寻优。

3.根据权利要求2所述的方法，其特征在于：步骤2‑5中基于所述Xο、Xp、Xq采用种群搜索策略接近猎物，进而更新灰狼个体的位置的过程中，所述种群搜索策略的更新公式如下：式中，B1、B2、B3和O1、O2、O3分别为由不同随机数生成的随机系数，X为灰狼个体的更新之前的位置，X1、X2、X3表示将Xο、Xp、Xq分别作为猎物位置时，采用种群搜索策略更新的灰狼个体的位置；Do、Dp、Dq表示将Xο、Xp、Xq分别作为猎物位置时，猎物与灰狼个体之间的距离；X(t)为灰狼个体的更新之后的位置。

4.根据权利要求2所述的方法，其特征在于：步骤2‑6中利用最优学习搜索方程学习步骤2‑5中灰狼个体的位置得到学习后的位置时，所述最优学习搜索方程如下：Vi(t+1)＝ω·Vi(t)+O1*r1*(pbest‑Xi(t))+O2*r2*(Xo‑Xi(t))Xi(t+1)＝Xi(t)+Vi(t+1)其中，Vi(t)、Vi(t+1)分别为灰狼个体i在第t次、第t+1次迭代时的速度；pbest为灰狼个体i的最优位置；Xi(t)为步骤2‑5中灰狼个体i位置更新后的最新位置；Xi(t+1)为学习后灰狼个体i的位置；ω为惯性权重，O1、O2为随机数，r1、r2为预设系数，Xo为狼群中适应度最小的灰狼个体的位置。

5.根据权利要求2所述的方法，其特征在于：步骤2‑3中适应度的公式如下：其中，N0表示基于位置Xi对应的分层阈值进行阈值处理后萎缩的小波系数个数，N表示各个尺度下高频小波系数的总个数，CDj表示各个尺度下高频小波系数，Wcd表示基于位置Xi对应的分层阈值进行阈值处理后的高频小波系数；

其中，阈值处理的公式如下：

式中，λ表示位置Xi对应的分层阈值。

6.根据权利要求1所述的方法，其特征在于：步骤3‑5中利用基追踪重构算法对测量值y进行重构和求解得到最佳稀疏表示θ的过程，基追踪重构模型如下：min||θ||1s.tΦψθ＝ymin||θ||1s.tAθ＝y式中，ψθ＝x是对x的稀疏变换，ψ是稀疏变换矩阵，θ为x的稀疏表示，A是传感矩阵，A＝Φ×ψ；

其中，求解所述基追踪重构模型得到重构后的最佳稀疏表示θ，所述最佳稀疏表示θ为重构的小波系数。

7.根据权利要求1所述的方法，其特征在于：步骤3‑3中Wiener滤波器Hw如下所示：其中，ε为预设系数， 为维纳滤波器的统称，θ(i)表示系数的统称，将θ1作为θ(i)代入 中得到Wiener滤波器Hw；

所述稀疏表示 满足：

8.根据权利要求1所述的方法，其特征在于：w1小波为db1小波基，w2小波为db4小波基。

9.一种基于权利要求1‑8任一项所述方法的系统，其特征在于：包括：分段模块，用于将待去噪的大地电磁信号进行分段；

w1小波变换模块，用于对每段信号均进行w1小波J层变换，得到最大尺度低频小波系数caJ和各个尺度高频小波系数CDj,1≤j≤J；

分层阈值寻优模块，用于基于GWO算法获取各个尺度下最优阈值作为最优分层阈值；

去噪模块，用于以每段信号为单元，利用对应的所述最优分层阈值进行去噪得到去噪后的大地电磁信号。