1.一种基于RIS技术的列车定位追踪的方法，其特征在于：所涉及的硬件包括基站、RIS反射单元和定位信号发射终端；设列车运行的某条线路由n个定位追踪路段组成，每个定位追踪路段均设置有对应的基站和RIS反射单元，所述定位信号发射终端设置在列车上；当列车在k时刻行驶到第z个追踪路段时，按以下方法获取列车定位信息，其中z为1至n的整数：一)所述定位信号发射终端向第z个追踪路段对应的基站和RIS反射单元发送定位信号，RIS反射单元将接收到的所述定位信号反射给对应的基站；将基站直接从定位信号发射终端接收到的定位信号记为直射信号，将基站从RIS反射单元接收到的定位信号记为反射信号；

二)对基站接收到的直射信号和反射信号进行处理，获取当前的TDOA参数估计、AOA参数估计和多普勒频移参数估计；

三)采用非线性滤波算法对所述TDOA参数估计、AOA参数估计和多普勒频移参数估计数据进行处理，获取列车的定位信息；

所述列车的定位信息包括列车在k时刻的位置坐标Tk、列车的速度vk、列车的运行方向角φk，其中Tk＝(Tx(k)，Ty(k))，Tx(k)为k时刻列车所在位置的横坐标，Ty(k)为k时刻列车所在位置的纵坐标；

所述非线性滤波算法涉及的数学模型包括以下的状态方程和观测方程：所述状态方程为：

sk＝f(sk‑1)+qk

所述观测方程为：

dk＝h(sk)+uk

其中，所述sk为k时刻的系统状态向量，

所述sk‑1为k‑1时刻的系统状态向量，

其中Tx(k‑1)为k‑1时刻列车所在位置的横坐标，Ty(k‑1)为k‑1时刻列车所在位置的纵坐标，vk‑1为列车在k‑1时刻的速度；φk‑1为k‑1时刻列车的运行方向角；

所述f(sk‑1)为非线性状态方程函数，

其中，Δt为采样时间间隔，Δt为设定值，k时刻的时间值等于k‑1时刻的时间值加上采样时间间隔Δt；

所述qk表示服从均值为零的高斯噪声，即qk～N(0，Q)，其中Q的取值根据列车运动模型进行设定；

所述dk为k时刻的系统测量向量，

其中， 表示k时刻的TDOA估计值； 表示k时刻AOA的估计值； 表示k时刻多普勒频移的估计值；

所述h(sk)为非线性观测方程函数，

其中，R表示RIS反射单元的位置坐标，R＝(Rx,Ry)，Rx表示RIS反射单元所在位置的横坐标，Ry表示RIS反射单元所在位置的纵坐标；B表示基站的位置坐标，B＝(Bx,By)，Bx表示基站所在位置的横坐标，By表示基站所在位置的纵坐标；C表示光速；λ表示所述定位信号的波长；γ根据以下公式确定：所述uk表示服从均值为零的高斯分布测量噪声，即uk～N(0，U)，其中U的值根据测量的误差统计确定。

2.如权利要求1所述的基于RIS技术的列车定位追踪的方法，其特征在于：所述非线性滤波算法为PF算法或UKF算法。

3.如权利要求1所述的基于RIS技术的列车定位追踪的方法，其特征在于：所述非线性滤波算法为双重要性协同采样滤波算法，包括：

1)获取所述系统状态向量sk‑1的后验概率分布粒子集；

2)采用PF算法对所述sk‑1的后验概率分布粒子集进行更新得到所述sk的第一组后验概率分布粒子集；同时，采用UKF算法对所述sk‑1的后验概率分布粒子集进行更新得到所述sk的第二组后验概率分布粒子集；将所述sk的第一组后验概率分布粒子集记为第一粒子集，将所述sk的第二组后验概率分布粒子集记为第二粒子集；设第一粒子集的粒子个数和第二粒子集的个数均为M个；

3)分别计算所述第一粒子集的有效粒子个数Meff1和第二粒子集的有效粒子个数Meff2；

4)根据以下方式获取协同重采样粒子集：

设有效粒子个数的阈值为P，P＝M/2；

a)如果Meff1≥P且Meff2≥P，则分别对第一粒子集所辖的粒子和第二粒子集所辖的粒子按权值由大到小进行排序，将第一粒子集中权值排在前M/2的粒子与第二粒子集中权值排在前M/2的粒子进行组合得到重组粒子集，然后对所述重组粒子集所辖粒子的权值进行归一化处理得到协同重采样粒子集；

b)如果Meff1≥P且Meff2

c)如果Meff1

如果Meff3

5)对得到的协同重采样粒子集所辖的粒子进行加权平均运算得到所述系统状态向量sk的估计值。