1.一种基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，包括如下步骤：步骤S1：根据海杂波信号x(n)、海杂波信号点数、海浪高低确定变分模态分解二次惩戒因子α、迭代次数n以及收敛判据ε的值；

步骤S2：利用EMD算法自适应分解海杂波序列，得到对应自适应分解层数u；

步骤S3：以自适应分解层数u为基础，获取变分模态分解层数K的取值范围，在变分模态*分解层数K的取值范围内选取最优的变分模态分解层数K ，用最优的变分模态分解层数对*海杂波信号进行变分模态分解，得到K个固有模态函数IMF，其中，以自适应分解层数u为基础，获取变分模态分解层数K的取值范围的具体方法为：根据相邻自适应分解层中模态分量之间的互相关系系数，获取变分模态分解层数K的取值范围，变分模态分解层数取值范围公式如下：K∈[u‑n,u+m]

其中，u为自适应分解层数，n、m均为累计变化层数；

具体为：计算相邻自适应分解层中模态分量之间乘积的平均值，计算公式如下：计算当前自适应分解层中模态分量之间乘积的平均值，计算公式如下：计算下一相邻自适应分解层中分解后的各模态分量之间乘积的平均值，计算公式如下：其中，x(t)为当前自适应分解层中t时刻的模态分量，y(t)下一自适应分解层中t时刻的模态分量；

互相关系系数计算公式如下：

获取相邻自适应分解层中模态分量之间的所有互相关系系数中最大的互相关系系数，作为相邻自适应分解层的互相关系系数；

当相邻自适应分解层的互相关系系数大于0.3时，m加1；

当相邻自适应分解层的互相关系系数小于0.1时，n加1；

*

步骤S4：设定模糊熵算法初始参数，设置小尺寸初始窗口；利用模糊熵算法对K个固有*模态函数IMF进行分类，将K个固有模态函数分为噪声分量与信号分量；

步骤S5：对噪声分量进行平滑滤波；

步骤S6：将滤波后的噪声分量与信号分量重构得到去噪信号。

2.如权利要求1所述的基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，所述步骤S1具体为：海杂波信号x(n)，n＝1,2，...，N，将N的值作为变分模态分解的二次惩罚因子α的值；

根据海浪高低确选取迭代次数n，迭代次数与计算时间正相关；

‑6

收敛判据ε为10 。

3.如权利要求1所述的基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，步骤S3的具体方法为：根据相邻自适应分解层中各模态分量之间的互功率谱密度，获取变分模态分解层数K的取值范围，变分模态分解层数取值范围公式如下：K∈[1,u+v]

其中，u为自适应分解层数，v为经过互功率谱密度关系获取的累加变化层数；

具体为：计算相邻自适应分解层中模态分量之间的互功率谱密度，对获取的互功率谱密度取绝对值并计算差量，当差量大于预设差量时，v加1；当差量小于预设差量时，v不变。

4.如权利要求1‑3中任一所述的基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，所述步骤S3中在变分模态分解层数K的取值范围内选取最优的变分模态分解层数*K的具体方法为：

用取值范围内的变分模态分解层数逐一对海杂波信号进行变分模态分解，使用降趋势波动分析法计算每次变分模态分解后的每个固有模态函数IMF的赫斯特指数值，选择固有模态函数IMF的赫斯特指数值大于0.5数量最多，且分解层数最少的变分模*态分解层数作为最优的变分模态分解层数K。

5.如权利要求1所述的基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，步骤S5具体为，通过Savitzky‑Golay滤波器对噪声分量进行平滑滤波。