1.一种基于智能反射表面辅助太赫兹的低复杂度信道估计方法，其特征在于，该方法具体包括以下步骤：S1：构建IRS辅助太赫兹通信的系统模型；其中，IRS为智能反射表面；

S2：设计相应的IRS相移矩阵并且根据不同块和不同时隙将接收信号建模为三维张量；

S3：利用CP分解对接收信号进行分解，得到因子矩阵；其中，CP为平行因子；

S4：根据相关估计器对分解得到的因子矩阵进行估计，求解出信道参数；

S5：根据求解出的信道参数重构信道矩阵。

2.根据权利要求1所述的低复杂度信道估计方法，其特征在于，步骤S1中，构建的通信系统模型为：假设直视路径受阻，通过引入IRS缓解通信过程中的多径衰落和阻塞；发送端发射的信号经过环境中散射体的散射或者经过IRS反射后到达接收端；其中，IRS既能作为控制入射信号并且能够反射信号的元件，同时也能看作为通信链路中的可控散射体。

3.根据权利要求2所述的低复杂度信道估计方法，其特征在于，步骤S1中，构建太赫兹下行通信系统模型具体为：基站配备 根天线，用户端配备 根天线，IRS具有N个反射阵元；其中，基站和用户分别配备 和 个射频链路；则用户接收到的信号y表示为Hy＝WHs+n

其中，右上标H表示矩阵共轭转置；s＝FRFFBx，s表示经过发送端混合波束赋形后的信号， 为基站发送的数据流，r表示发送数据流的数量， 和 分别表示发送端数字和模拟预编码矩阵； 表示信道矩阵； 表示用户端的预编码矩阵， 和 分别表示发送端数字和模拟预编码矩阵； 表示加性高斯白噪声；

将一般的IRS级联信道模型表示成基于几何的信道模型这种统一的数学表达式；对于THz信道，采用几何信道模型来表示，并且只考虑一次反射情况；

其中，L1表示路径数量； 表示路径损耗，在THz频段，考虑信号的自由空间损耗和分子吸收损耗，满足其中，c表示光速，τ(f)表示分子吸收损耗，d表示信号传输距离；

aBS(θ)， 分别表示基站和用户的阵列响应向量；假设基站和用户采用均匀线性阵列，则阵列响应表示为其中，右上标T表示矩阵转置，k＝2π/λ，λ表示波长，dt和dr分别表示天线的间距，θ和分别表示出发角和到达角；

假设IRS有N个阵元，将IRS划分为M个子阵，级联信道表示为：t r

HI＝HΦH

t r

其中，H 和H 分别表示BS‑IRS和IRS‑UE的信道矩阵；

Φ表示IRS的相移矩阵，幅度βn∈{0,1}，相位θn∈(0,2π]；假设每个子阵列位线性阵列，则级联信道进一步表示为令 将IRS视作受控散射体，根据信

号在空间中的传播路径，重新建立一个信道模型；上式进一步表示为完整的信道表述为

其中，K＝L1+M表示整个信道环境中的总路径数。

4.根据权利要求3所述的低复杂度信道估计方法，其特征在于，步骤S2具体包括：将信道相干时间Ts分成T个块，每个块有L个时隙，从而使得Ts＝TL；在训练过程中，对于不同块和不同的时隙，这里作如下假设传输规则：1)发送信号在每个块重复发送；2)IRS在一个块内的相移不变；

将用户在第t个块l个时隙内接收到的信号建模为一个三阶张量：其中，αt,k表示第k个IRS子阵的相移组合，gk表示第k个IRS子阵提供的路径增益，F＝FRF×FB表示基站端的预编码矩阵，n[t,l]表示第t个块l个时隙内的噪声；

则第t块总的接收信号的张量形式为：

其中，

Y[t]＝[y[t,1],y[t,2],...,y[t,l]]，N[t]＝[n[t,1],n[t,2],...,n[t,l]]。

5.根据权利要求4所述的低复杂度信道估计方法，其特征在于，步骤S3具体包括：将接收到的信号表示为CP的形式：其中，表示矩阵的外积， 并且

其中，A、B、C表示因子矩阵；再将问题转换为最小二乘问题对因子矩阵进行求解；问题描述为其中，|| ||F表示矩阵的F范数，⊙表示矩阵的Khatri‑Rao积， 表示张量y的模式‑n(n＝1,2,3)展开， 分别表示第t步迭代过程中求解的因子矩阵。

6.根据权利要求5所述的低复杂度信道估计方法，其特征在于，步骤S4具体包括：将步骤S3中得到的因子矩阵用相关性估计器估计相对应的信道参数 和θk；相关估计器表示为：其中，|| ||2表示矩阵的2范数， 和 分别表示因子矩阵 和 的第l列，J表示搜索维度， 和 分别表示出发角和到达角的估计值， 和 分别表示在阵列响应向量的参考值。

7.根据权利要求6所述的低复杂度信道估计方法，其特征在于，步骤S5具体包括：根据步骤S4中求得的信道参数 和θk重构出因子矩阵 和 接着根据IRS相移矩阵αt,k求解出路径增益：其中，右上标 表示矩阵的伪逆；根据路径增益重构出最后一个因子矩阵最后重构出整个信道。