1.一种基于多路径融合网络的大地电磁信号去噪方法，其特征在于：包括如下步骤：步骤S1：样本库构建，构建噪声识别样本库和信号映射样本库；

步骤S2：模型构建与训练，基于噪声识别样本库构建并训练出基于多路径融合网络的噪声识别模型，基于信号映射样本库构建并训练出基于多路径融合网络的信号映射模型；

其中，所述多路径融合网络至少包括多路径卷积模块和多路径特征融合模块，所述多路径卷积模块设有三条并行的卷积路径，不同卷积路径的卷积核大小不同；所述多路径特征融合模块对应设有三条并行路径，分别为通道注意力、空间注意力和卷积通道，三路径的输出结果最后在通道维度进行拼接；所述多路径卷积模块中小卷积核所在路径的输出对应输入通道注意力路径；大卷积核所在路径的输出对应输入空间注意力路径；大中小卷积核所在路径的输出先在通道维度串联拼接，再对应输入所述卷积通道；

步骤S3：利用所述噪声识别模型识别待降噪大地电磁信号的分段信号为含噪信号段或纯净信号段，再将识别出的含噪信号段输入信号映射模型得到纯净信号段或噪声轮廓，若为噪声轮廓，则将含噪信号段减去噪声轮廓得到纯净信号段；

步骤S4：按序拼接纯净信号段得到降噪后的大地电磁信号。

2.根据权利要求1所述的大地电磁信号去噪方法，其特征在于：所述多路径卷积模块中先设有一个初始卷积层、批归一化和激活函数；再依次分为三条卷积路径，每条卷积路径上均设有两组交替式排列的卷积层和激活函数，三条卷积路径的卷积核大小分别为1×1、3×

1、5×1；

所述通道注意力的输入分两条支路，一条支路先输入最大池化层，一条支路先输入平均池化层，二者输出再均经过一个3×1的卷积、Swish激活函数、3×1的卷积，然后将两个支路的输出进行叠加后连接sigmoid函数，最后与所述通道注意力的输入相乘；

所述卷积通道依次设有1×1卷积、批归一化和Swish激活函数；

所述空间注意力的输入分两条支路，一个支路先输入最大池化层，一条支路先输入平均池化层，两者输出在通道维度串联拼接，再经过一个7×1卷积、sigmoid函数和全局最大池化层，最后与空间注意力的输入相乘。

3.根据权利要求1所述的大地电磁信号去噪方法，其特征在于：所述多路径融合网络中在多路径卷积模块和多路径特征融合模块之间设有动态门控模块；

所述动态门控模块设有基于全局池化与全连接层的门控权重生成器，通过Sigmoid函数输出所述多路径融合网络中各个卷积路径的权重，进而与对应卷积路径的输出进行加权。

4.根据权利要求1所述的大地电磁信号去噪方法，其特征在于：在步骤S2的噪声识别模型中引入物理约束，即将所述噪声识别模型的输入设置为包含大地电磁信号频域特性的频域信号，具体为：先引入傅里叶变换将大地电磁信号的时间序列转换为频域信号；再利用幅度谱中位数对频域信号进行自适应阈值滤波，得到滤波后的频域信号；

其中，利用幅度谱中位数 进行自适应阈值滤波得到滤波后的频域信号， 为阈值参数， 为指示函数，当

时输出为1，即对该频点数据进行保留，否则输出为0，即对该频点数据进行滤除， 表示大地电磁信号段经傅里叶变换后得到频域信号中频域输出的第 k 个复数分量。

5.根据权利要求4所述的大地电磁信号去噪方法，其特征在于：阈值参数 为针对大地电磁噪声特征设计的可调整动态阈值，存在：其中， ， 为通过噪声识别网络训练过程中自动优化的可学习参数， 为幅度谱 的偏度，即三阶矩； 为对数幅度谱 的标准差，存在：其中，N为大地电磁信号段的采样点个数， 为对数幅度谱 的均值， 表示均值函数。

6.根据权利要求1所述的大地电磁信号去噪方法，其特征在于：步骤S2中所述信号映射模型的输出为纯净信号段，所述信号映射模型中引入物理约束，即损失函数至少融入小波域自适应稀疏损失 ，存在：其中，对残差 进行小波包变换生成子带系数 ， 表示使用

Symlets小波基的小波变换， 为第i个样本的真实值， 为第i个样本的预测值，n为样本数量，j为子带索引， 为第i个样本对应的小波包变换中第j个子带索引对应的子带系数，为子带自适应阈值，满足： 其中， 为子带噪声标准差估计，N为采样点数。

7.根据权利要求6所述的大地电磁信号去噪方法，其特征在于：所述信号映射模型的损失函数由均方误差损失和小波域自适应稀疏损失加权构建，表示为：其中， 为所述信号映射模型的损失函数，，均为可调权重系数， 为均方误差损失；

所述噪声识别模型的训练过程的损失函数为交叉熵损失函数。

8.一种基于权利要求1‑7任一项所述大地电磁信号去噪方法的系统，其特征在于：包括：样本库构建模块，用于构建噪声识别样本库和信号映射样本库；

模型构建与训练模块，用于基于噪声识别样本库构建并训练出基于多路径融合网络的噪声识别模型，基于信号映射样本库构建并训练出基于多路径融合网络的信号映射模型；

其中，所述多路径融合网络至少包括多路径卷积模块和多路径特征融合模块，所述多路径卷积模块设有三条并行的卷积路径，不同卷积路径的卷积核大小不同；所述多路径特征融合模块对应设有三条并行路径，分别为通道注意力、空间注意力和卷积通道，三路径的输出结果最后在通道维度进行拼接；所述多路径卷积模块中小卷积核所在路径的输出对应输入通道注意力路径；大卷积核所在路径的输出对应输入空间注意力路径；大中小卷积核所在路径的输出先在通道维度串联拼接，再对应输入所述卷积通道；

降噪模块，用于利用所述噪声识别模型识别待降噪大地电磁信号的分段信号为含噪信号段或纯净信号段，再将识别出的含噪信号段输入信号映射模型得到纯净信号段或噪声轮廓，若为噪声轮廓，则将含噪信号段减去噪声轮廓得到纯净信号段；以及用于按序拼接纯净信号段得到降噪后的大地电磁信号。

9.一种计算机设备，其特征在于：包括：

一个或多个处理器；

存储了一个或多个计算机程序的存储器；

其中，所述处理器调用计算机程序以实现：

权利要求1‑7任一项所述大地电磁信号去噪方法的步骤。

10.一种计算机可读存储介质，其特征在于：存储了计算机程序，所述计算机程序被调用以执行：权利要求1‑7任一项所述大地电磁信号去噪方法的步骤。