一、代码原理
基于VMD-SVD的信号去噪算法是一种融合了变分模态分解（VMD）和奇异值分解（SVD）两种方法的复合信号处理技术，用来更有效地从数据中去除噪声。以下是这种算法的基本概念和步骤：
1、变分模态分解（VMD）
变分模态分解（VMD）是一种自适应时频分析方法，能够将复杂信号分解成若干个带限模态函数（Intrinsic Mode Functions，IMF），每个模态函数基本上可以视为单一频率的波形。VMD通过求解一个变分问题，从信号中提取模态成分。求解过程涉及到使得解的带宽最小化，这样可以分离出信号中的不同频率成分。
2、奇异值分解（SVD）
奇异值分解（SVD）是一种线性代数技术，可以将任何复杂的数据矩阵分解成三个简单矩阵的乘积：(U), (Σ), 和 (V^*)。在SVD中，(Σ)是对角矩阵，其对角线元素是奇异值，它们按照从大到小的顺序排列。奇异值反映了矩阵在对应的奇异向量方向上的能量或信息。在信号处理中，较大的奇异值通常对应着信号的主要成分，而较小的奇异值则往往和噪声相关联。
3、基于VMD-SVD的信号去噪过程
（1）首先，输入信号通过VMD进行分解，得到一系列的模态函数IMF。
（2）然后，对每个模态函数分别进行SVD分解。
（3）之后，对于每个IMF的SVD结果，在保留信号主要成分的同时，裁剪掉一些较小的奇异值（即去除噪声成分）。阈值的三种选择方法&#