1.一种基于智能反射表面无线定位方法，其特征在于，包括如下步骤：S1、获取定位场景下的基站以及至少两个智能反射表面的位置信息，所述基站位置为A、待定位用户B、智能反射表面位置为Gn(n＝1,2,3…,)，RIS_1的位置为RIS_2的位置为 待定位用户坐标为B(x,y)，其中x，y是未知的；

S2、接收端通过接收信号进行定时估计分别得到经过每个智能反射表面的反射径与路径AB的到达时间差Dn(n＝1,2,3…,)，Dn(n＝1,2,3…,)通过定时估计算法获得待测目标的最佳估计值S3、根据获得的最佳估计值 通过最优化算法得到的最优解 即待测用户端位置的最佳估计值

S3‑1、通过最优化算法搜索样本并进行适应度计算，存储目前样本最好的适应度值；

S3‑2、进行趋向性循环操作，更新样本的位置；

S3‑3、进行复制循环操作，对每个样本的适应度值进行累加获得能量，最终得到的能量值的最大值所对应的样本位置为最优解 即待测用户端位置的最佳估计值。

2.根据权利要求1所述的基于智能反射表面无线定位方法，其特征在于，所述基站为单天线，并且获取两个智能反射表面的位置信息分别为RIS_1的位置为 RIS_2的位置为 其中，基站位置为A(xA,yA)，待定位用户坐标为B(x,y)，其中x，y是未知的。

3.根据权利要求2所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S2中，根据智能反射表面RIS_1和RIS_2的位置信息，分别得到到达时间差D1和D2。

4.根据权利要求3所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S2中，定时估计算法具体步骤如下：定义：

其中，R1表示从BS到用户的距离，R2表示从BS到RIS_1的距离，R3表示从RIS_1到待定位用户的距离，R4表示从BS到RIS_2的距离，R5表示从RIS_2到待定位用户的距离，c是光速，

在基站A、RIS_1和用户B构成的ΔABG1中，由余弦定理计算得到点A'的坐标(xA',yA')，相同，对于基站A、RIS_2和用户B构成的ΔABG2中，由余弦定理计算得到A”的坐标(xA”,yA”)；

其中以RIS_1所在位置为圆心，R2为半径画弧形与RIS_1到用户的反射径的延长线G1B相交，设交点为A'，则点A'到RIS_1的距离值为R2；以RIS_2所在位置为圆心，R4为半径画弧形与RIS_2到用户的反射径的延长线G2B相交，设交点为A”，则点A”到RIS_2的距离值为R4；

定义：

定义向量γ，可表示为：

T

γ＝[a(x,y),b(x,y),c(x,y),d(x,y)]向量γ是一个包含有未知参数x和y的函数，将未知参数记为X＝[x,y]；

2

取目标函数为F(x,y)＝||γ||，采用如下最优化算法搜索X使得F(x,y)最小化，即：当 时，目标函数F(x,y)将取得最小值，此时 正为待测目标的最佳估计值。

5.根据权利要求4所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S3‑1的具体方法如下：初始化参数搜索空间的维度,通过最优化算法进行搜索得到样本总数S＝50～20,0接着对于每个样本i，计算其适应度函数：i i

J(j,k)＝F(P(j,k))

i

其中，P (j,k)表示样本i在第j次趋向操作、第k次复制操作后所在的位置，假设每个样i本的初始位置P(1,1)＝(0,0)，令 表示样本i存储的目前最好的适应度值。

6.根据权利要求5所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S3‑2的具体方法如下：进行趋向性循环操作，更新样本的位置函数：i i

P(j+1,k)＝P(j,k)+δ*Δ(i)其中，Δ(i)(i＝1,2,...,S)为值在[‑1,1]上的随机数，步长单位δ＝0.001，计算相应的适应度值：i i

J(j+1,k)＝F(P(j+1,k))i

如果当前的适应度值J(j+1,k)大于 则保存到当前值计算每个样本新的移动方向：

其中，C1和C2为数值在0～2的随机数，Q1和Q2是[0,1]上两个相互独立的随机数，样本间移动对适应度函数产生的影响值Jcc(j+1,k)定义为：因此，在趋向循环中加入样本移动操作后的数学表达式为：i i

J(j+1,k)＝J(j,k)+Jcc(j+1,k)i

其中，V(j,k)表示样本i在第j次趋向操作、第k次复制操作后的速度，设置每个样本i的i初始速度V (1,1)＝0.15， 表示趋向性操作中局部极值所在的位置， 表示趋向性操作中全局极值所在的位置，Fx'表示目标函数F(x,y)对x求偏导，Fy'表示目标函数F(x,y)对y求偏导，如果j≤Nc，则继续进行趋向操作，否则跳出趋向循环进入步骤S3‑3。

7.根据权利要求6所述的基于智能反射表面无线定位方法，其特征在于，所述步骤S3‑3的具体方法如下：进行复制循环操作：对每个样本的适应度值进行累加获得能量，表达式为：其中，趋向操作数Nc＝100～1000，然后将每个样本的能量值 按照从小到大的顺序排列，淘汰掉前S/2个能量值较小的样本，选择后S/2个能量值较大的样本进行复制，每个样本复制成两个完全相同的样本，i即对于前S/2个能量值较小的样本，其位置函数P(j,k)改变为：i i+S/2

P(j,k)＝P (j,k)(i＝0,1,2,...,S/2‑1)每次复制操作结束后，k＝k+1，如果k≤Nre，则继续进行复制操作，否则跳出复制循环，最终得到的能量值Jhealth(i,Nre)的最大值所对应的样本位置 为使目标函数F(x,y)取最小值时的位置坐标 即：其中，搜索空间的最大步长数Ns＝3～6,复制操作数Nre＝4，imax表示经过趋向、复制操作后适应度值最大的样本所在样本总数中的位数，可以表示为：因此，经过以上最优化算法得到的最优解 就是该定位系统中待测用户端位置的最佳估计值。