1.可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，下行链路的SISO无线通信三维近场定位系统，由一个单天线基站、一个透射RIS和一个单天线室内用户组成， 为已知的BS位置， 为未知的用户位置，RIS平行于平面放置，其中心点位置为 ， RIS单元数量为 ，其中 和 ，分别对应沿x轴和z轴的单元数量， 表示的第r个RIS元素的已知位置，假设RIS和基站之间只有一条路径，而室内环境较为复杂，存在 个未知数量和位置的散射体，第s个散射体的位置由 表示，因此，未知的几何参数包括用户的三维位置和散射体的三维位置，所述定位方法包括：一、构建多径环境下RIS辅助定位的系统模型，包括信道信号模型、信号模型；

二、定义待估计信道参数向量和位置向量；

三、将接收信号矩阵转化为一个三阶张量；

四、基于得到的接收信号的三阶张量，结合正则多元分解和正交匹配追踪算法，得到获得信号到达时间和RIS离开角的粗估计；

五、通过信号到达时间和RIS离开角的粗估计重写接收信号矩阵，利用基于稀疏性的范数正则化方法估计出距离；

六、估计出信道增益；

七、构造最大似然估计，对先前得到的信道参数估计值进行细化；

八、构造加权最小二乘问题来将细化后的信道参数估计值进转换到位置和时钟偏移估计。

2.如权利要求1所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤一包括：S1、考虑具有N个子载波和T次正交频分复用导频符号的传输，第 n 个子载波的频率为，其中 为载波频率， 为子载波间距， 为信号带宽，为电磁波的波长， 为第 n 个子载波和第 t 个时隙处的传输信号， ，其中 表示信号发射功率；

S2、从基站到RIS的只存在视距路径而从RIS到用户有 条路径，其中 条路径表示视距路径，其他路径为非视距路径，然后，可以将基站‑RIS链路的信道 和RIS‑UE链路的信道 分别建模为 ，，

其中 ， 、 分别为BS‑RIS路径的信道增益和信号到达时间， 和分别为从RIS到用户的第s条路径的信道增益和信号到达时间， 是给定位置的近场RIS导向矢量，定义为，

S3、接收到的第t次传输和第n次子载波的基带信号 可以表示为，

其中， ， ， ， 表 示

Hadamard 积， 是第t次传输时的RIS相位偏移， 是不相关的零均值加性复高斯噪声，每个维度的方差为 ；

S4、根据几何关系，可以将未知信道参数表示为：其中， 表示视距路径的时延， 表示第s条路径的时延， 表示第s条路径的仰角，表示第s条路径的方位角， 表示第s条路径目标到RIS的距离，表示时钟偏差，  为光速，基站‑RIS路径的已知信道参数可以表示为：其中， 表示基站‑RIS路径的仰角， 表示基站‑RIS路径的方位角， 表示基站到RIS的距离；

S5、定义向量

其中， 为常数，为变量；

S6、然后可以将接收到的信号 表示为 的矩阵：其中， ， ， 为复高斯噪声矩阵。

3.如权利要求2所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤二包括：S7、根据接收信号，定义一个信道参数向量：其中， ， 、 分别为 的实部和虚部；

S8、进一步定义一个位置向量：

其中， 。

4.如权利要求3所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤三包括：S9、为了将接收信号矩阵转换为张量，用远场近似近场导向向量：，

其中， ，

， ，

， 表示Kronecker积，为RIS的单元间距；

S1 0 、经 过 一 些数 学 化 简后 ，接收 到 的信 号 可 以近 似 地表 示 为 ：其中， ，表示外积，

表示第s条路径的仰角， 表示第s条路径的方位角，S11、设计RIS相位矩阵，以遵循以下结构其中， ， 且 ；

S12、进一步得到

S13、然后，接收信号可以表示为一个三阶张量其中， ， ，

， 为三阶复高斯噪声张量。

5.如权利要求4所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤四包括：S14、通过估计 ， 和 ，可以得到信号到达时间和RIS离开角的粗估计，总体方法遵循正交匹配追踪的思想，依次估计每条路径的信号到达时间和RIS离开角参数，在第s 次迭代 中，使用 正则 多元 分解分 离第 s条 路径 对应的 信号 分量 ：其中 是沿第n个模的因子向量，可以表示为其中 ；

S15、将 闭式表示为

S16、于是信号到达时间和RIS离开角的粗估计可以通过分别解决以下三个一维搜索问题得到S17、为了在第s次迭代中去除信号的相关分量，得到更新后的残差，使用以下步骤减去上述信号的投影，其中， ，使用得到的更新残差 ，重建张量 ，然后继续进行下一个迭代，直到估计出所有路径的信号到达时间和RIS离开角参数。

6.如权利要求5所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤五包括：S18、得到了信号到达时间和RIS离开角的粗估计以后，重写接收信号如下：其中，

S19、利用空间域接收信号的稀疏特征，将距离估计转化为稀疏谱估计，首先，构造过完备字典 对应于第s条路径，以网格样本数构造如下其中， ， 是

包含潜在距离值的采样网格集；

S20、利用过完备字典 ，对向量化的接收信号 进行稀疏表示：其中 表示稀疏向量，为复高斯噪声向量；

S21、通过构造以下优化问题来估计距离参数其中是正则化系数， ， ，对

该优化问题进行求解，得到 的估计值即可得到距离的粗估计。

7.如权利要求6所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤六包括：S22、通过对距离参数的估计，所接收到的信号可以表示为其中， ，

， ，

；

S23、化简上式，可以得到

S24、然后，可以估计复信道增益为 。

8.如权利要求7所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤七包括：S25、引入了最大似然估计方法来联合细化所有与信道相关的参数，构造的最大似然估计量为：其中， ，通过以粗估计

结果作为初始值的Nelder‑Mead算法来求解该优化问题。

9.如权利要求8所述的可重构智能表面辅助的SISO系统用户近场定位方法，其特征在于，所述步骤八包括：S26、通过求解以下加权最小二乘问题来实现精确的定位和时钟偏移估计：其中， 信道参数在估计点处的费希尔信息矩阵，该非线性最小二乘问题可以通过Nelder‑Mead算法来求解，式中的参数可以通过下式初始化， ：BS到RIS的距离，。