1.一种轨道交通智能监测系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取轨道交通的节点在设定时间段内不同时刻的沉降数据，对沉降数据进行特征分解获取特征分量；根据每个特征分量对应的功率谱图中数据的离散程度，对特征分量进行筛选，获得待去噪分量；

根据每个待去噪分量在相同时刻下的数据分布情况和每个待去噪分量的数据波动情况、以及每个待去噪分量在局部时间范围内频率的波动情况，得到每个时刻的噪声分布特征值；

根据每个时刻的噪声分布特征值和每个时刻在每个待去噪分量中对应的功率谱图中数据的噪声分布情况，得到每个时刻的综合噪声程度；

根据所述综合噪声程度获取每个时刻的高斯滤波核尺寸，利用所述高斯滤波核尺寸对每个时刻下的每个待去噪分量分别进行滤波处理，利用滤波后的分量对轨道交通进行监测；

所述根据每个待去噪分量在相同时刻下的数据分布情况和每个待去噪分量的数据波动情况、以及每个待去噪分量在局部时间范围内频率的波动情况，得到每个时刻的噪声分布特征值，具体包括：将任意一个时刻记为目标时刻，根据目标时刻在每个待去噪分量下的数据幅值和每个待去噪分量中所有数据幅值的波动情况，得到第一特征系数；

在目标时刻的局部时间范围内每个待去噪分量下的频率值之间的差异情况以及每个待去噪分量中所有的频率值的波动情况，得到第二特征系数；

根据所述第一特征系数和所述第二特征系数得到目标时刻的噪声分布特征值；

所述噪声分布特征值的获取方法具体为：

其中，

2.根据权利要求1所述的一种轨道交通智能监测系统，其特征在于，所述根据每个特征分量对应的功率谱图中数据的离散程度，对特征分量进行筛选，获得待去噪分量，具体包括：对于任意一个特征分量，获取特征分量的功率谱图，根据特征分量的功率谱图中每个时刻功率值的与所有时刻的功率值之间的差异分布情况、以及每个时刻的频率值与所有时刻的频率值之间的差异分布情况，得到特征分量的数据离散程度；

根据所述数据离散程度对特征分量进行筛选，获得待去噪分量。

3.根据权利要求2所述的一种轨道交通智能监测系统，其特征在于，所述根据特征分量的功率谱图中每个时刻功率值的与所有时刻的功率值之间的差异分布情况、以及每个时刻的频率值与所有时刻的频率值之间的差异分布情况，得到特征分量的数据离散程度，具体包括：将任意一个特征分量记为选定特征分量，计算选定特征分量在所有时刻下的功率值的均值记为选定特征分量的功率特征值，计算选定特征分量在所有时刻下的频率值的均值记为选定特征分量的频率特征值；

计算每个时刻的功率值与所述功率特征值之间的差值绝对值得到每个时刻的第一差异；计算每个时刻的频率值与所述频率特征值之间的差值绝对值得到每个时刻的第二差异；将第一差异和第二差异的乘积作为每个时刻的数据差异程度；计算所有时刻的数据差异程度的均值的归一化值得到选定特征分量的数据离散程度。

4.根据权利要求2所述的一种轨道交通智能监测系统，其特征在于，所述根据所述数据离散程度对特征分量进行筛选，获得待去噪分量，具体包括：将数据离散程度大于预设的程度阈值对应的特征分量作为待去噪分量。

5.根据权利要求2所述的一种轨道交通智能监测系统，其特征在于，所述根据每个时刻的噪声分布特征值和每个时刻在每个待去噪分量中对应的功率谱图中数据的噪声分布情况，得到每个时刻的综合噪声程度，具体包括：将任意一个时刻记为选定时刻，对选定时刻下所有待去噪分量的功率谱图中所有频率值的均值进行归一化处理，得到第一系数；对选定时刻下所有待去噪分量的功率谱图中所有功率值的均值进行负相关归一化处理，得到第二系数；根据所述第一系数和所述第二系数得到选定时刻的初始噪声程度；所述第一系数和所述第二系数均与所述初始噪声程度呈正相关关系；

对选定时刻的初始噪声程度与噪声分布特征值之间的乘积进行归一化处理得到选定时刻的综合噪声程度。

6.根据权利要求1所述的一种轨道交通智能监测系统，其特征在于，所述根据所述综合噪声程度获取每个时刻的高斯滤波核尺寸，具体包括：其中，

7.根据权利要求1所述的一种轨道交通智能监测系统，其特征在于，所述对沉降数据进行特征分解获取特征分量，具体包括：对沉降数据进行EMD分解获得IMF分量，将设定时间段内所有沉降数据构成原始数据序列；计算每个IMF分量与原始数据序列之间的相关性系数，将相关性系数大于预设的相关阈值对应的IMF分量作为特征分量。

8.根据权利要求7所述的一种轨道交通智能监测系统，其特征在于，所述利用滤波后的分量对轨道交通进行监测，具体包括：对滤波后的待去噪分量与其他的特征分量以及EMD分解获得的残差项进行重组，利用重组获得的数据对轨道交通进行监测。