1.一种基于张量分解的信道状态信息定位指纹构造方法，其特征在于包括以下步骤：步骤一、将采集的原始信道状态信息(Channel State Information，CSI)数据表示为一幅X轴为子载波序列、Y轴为时间戳且Z轴为CSI幅值的三维图像；

步骤二、将步骤一得到的三维图像视为一个三阶张量 并通过秩一张量的线性组合将其表示为 其中， 和 为第r个秩一张量在图像三个维度上分解得到的单位向量；符号 表示向量的外积运算；λr为第r个秩一张量的组分奇异值，其刻画了第r个秩一张量的组分在整体中的比重；M为用于重构O的秩一张量的个数；

步骤三、利用基于平行因子(Parallel Factor，PARAFAC)分析模型的张量分解算法估计用于重构O中无噪图像S(＝O-N)的秩一张量个数(即分解级数) 其中，N为O中噪声；SNR为信噪比；Ii(i＝1,…,3)和Ki分别为O的第i维度的维度大小和i-阶张量秩；

步骤四、剔除用于重构O中噪声的秩一张量并利用剩余的秩一张量对无噪图像进行重构，得到初始重构无噪图像S0；

步骤五、为了使得重构的无噪图像尽可能逼近理想无噪图像，利用交替最小二乘(Alternate Least Squares，ALS)算法来进行迭代逼近，即当相邻两次(不妨令第t-1和第tt t-1次)迭代得到的重构无噪图像差值Err(t)＝||S -S ||小于预设阈值ε时，令第t次迭代得到的重构无噪图像St为理想无噪图像的估计 否则，继续进行第t+1次迭代；

步骤六、利用张量小波分解算法对 在图像三个维度上进行单层张量小波分解，得到8组小波子成分且分别记为LLL、LLH、LHL、LHH、HLL、HLH、HHL和HHH，同时将各小波子成分的图像变换为灰度图像(不妨令灰度级为G)；

步骤七、令全局数据块的空间尺寸为l×w×h，利用角二阶矩(Angular Second Moment，ASM)方法计算单层张量小波分解后第m(m＝1,...,8)组小波子成分(维度为l/2×w/2×h/2)的小波系数 其中，令δ＝(1,0)，其表示对变换后的灰度图像进行水平扫描；Pδ(i,j,k)为在水平扫描方式(即δ＝(1,0))下得到的归一化灰度共生矩阵(Gray Level Concurrence Matrix，GLCM)Pδ中位于(i,j,k)处的元素值；

步骤八、构造第n(n＝1,...,Nf)个参考点处的CSI定位指纹

其中，Nf为参考点数； 为第n个参考点处第m组小波子成分的小波系数。

2.根据权利要求1所述的一种基于张量分解的信道状态信息定位指纹构造方法，其特征在于所述步骤七包括以下具体步骤：步骤七(一)、对各小波子成分图像变换后的灰度图像(不妨令灰度级为G)进行水平扫描(即令δ＝(1,0))，得到对应的归一化灰度共生矩阵(Gray Level Concurrence Matrix，GLCM)Pδ；

步骤七(二)、令全局数据块的空间尺寸为l×w×h，利用角二阶矩(Angular Second Moment，ASM)方法计算单层张量小波分解后第m(m＝1,...,8)组小波子成分(维度为l/2×w/2×h/2)的小波系数 其中，Pδ(i,j,k)为Pδ中位于(i,j,k)处的元素值。