1.一种实值平行因子分解的多径参数估算方法，其特征在于，所述实值平行因子分解的多径参数估算方法包括如下步骤：S1、构建接收数据的过采样矩阵，根据过采样矩阵构建出过采样矩阵阵列数据的PARAFAC模型；

S2、利用前后平滑技术和酉变换技术对过采样矩阵阵列数据的PARAFAC模型进行处理，构造过采样矩阵阵列的实数增广输出的PARAFAC模型；

S3、通过交替最小二乘算法获得实数增广输出的PARAFAC模型的导引矢量的估计；

S4、根据阵列的旋转不变特性，通过所述导引矢量的估计恢复源信号的角度与时延参数。

2.根据权利要求1所述实值平行因子分解的多径参数估算方法，其特征在于，所述步骤S2包括以下分步骤：S21、利用前后平滑技术构建前后平滑后的PARAFAC模型张量；

S22、根据前后平滑后的PARAFAC模型张量构建扩展后的PARAFAC模型；

S23、利用酉变换技术对扩展后的PARAFAC模型进行实数变换接，构造过采样矩阵阵列的实数增广输出的PARAFAC模型。

3.根据权利要求2所述实值平行因子分解的多径参数估算方法，其特征在于，当利用M根均匀线性阵列的接收天线测量一个信道传输数字序列sl，且接收信号x(t)以采样率D倍符号率被过采样，接收信号完全占据N个符号的时长，所述步骤S1中过采样矩阵如下：式中T为符号周期；…,exp{-j2π(M-1)dsinθk/λ}]T为接收导引矢量。

所述过采样矩阵阵列数据的PARAFAC模型如下：式中，F即为时延矩阵；S为信源矩阵； 表述维数为K×K×K的单位张量；A为方向矩阵。

4.根据权利要求3所述实值平行因子分解的多径参数估算方法，其特征在于，所述步骤S21中利用前后平滑技术构建前后平滑后的张量：式中，ΠN表示反向交换矩阵，其下标表示矩阵的维数。

5.根据权利要求4所述实值平行因子分解的多径参数估算方法，其特征在于，所述步骤S22中扩展后的PARAFAC模型如下：

6.根据权利要求5所述实值平行因子分解的多径参数估算方法，其特征在于，所述步骤S23中通过酉变换将复数张量变换为实值张量如下：式中， 为酉变换后的导引矢量，其下标表示矩阵的维数。

7.根据权利要求6所述实值平行因子分解的多径参数估算方法，其特征在于，所述步骤S3中相关导引矢量的估计如下：式中，Z1、Z2和Z3分别可被视为将张量数据 沿着信源方向、时域方向和空域方向展开而获得的矩阵； 及

8.根据权利要求7所述实值平行因子分解的多径参数估算方法，其特征在于，所述步骤S4中所述源信号的角度与时延通过以下步骤恢复：经过酉变换后的F1和A1仍然具有旋转不变特性，其旋转不变特性可表述如下：其中，0表示元素全为0的矩阵，下标代表矩阵的维数；Re{·}、Im{·}分别为取实部和虚部；

经过交替最小二乘，获得F1和A1的估计值 和 如下：式中，与 分别为 与 的第k列；

则源信号的角度与时延可通过下式恢复：