1.一种基于矩阵束的信道状态信息的参数估计方法，包括以下步骤：步骤一：假设在WiFi系统中有Q个独立信号源，M个子载波，接收端的接收机包含N根天线，接收来自信号源的B个数据包中的CSI信息，利用不同天线、不同子载波和不同时间的CSI信息构造三维矩阵XN×M×B＝{xn,m,b}，其中1≤b≤B,1≤n≤N,1≤m≤M，xn,m,b表示第b个数据包、第n天线和第m个子载波上获得的CSI信息；

步骤二：将三维矩阵XN×M×B转化为一维矩阵XBNM×1；

步骤三：用平滑算法对一维矩阵XBNM×1进行平滑处理以去除相干信号之间的干扰，得到平滑后的矩阵 其中Mp、Np、Bp分别表示子载波、天线、数据包之间进行平滑的滑窗大小；

步骤四：对平滑后的矩阵Y进一步用向前向后平均方法扩展为Yex，然后使用奇异值分解的技术将矩阵降维，得到信号的子空间；

步骤五：估计出AoA，ToF，DFS参数估计值，并将同一信号的AoA，ToF，DFS配对。

2.根据权利要求1所述的一种基于Wi‑Fi信道状态信息的三维联合估计方法，所述步骤四，对平滑后的矩阵Y进一步用向前向后平均方法扩展为Yex，然后使用奇异值分解的技术将矩阵降维，得到信号的子空间，包括以下步骤：Yex＝[Y,Πz1×z1YΠz2×z2]式中，z1＝MPNPBP,z2＝(M‑MP+1)(N‑NP+1)(B‑Bp+1)，Πz1×z1,Πz2×z2被称为交换矩阵，且满足：

由于噪声的存在，矩阵Yex是满秩的，而不是秩为Q。因此，可以利用奇异值分解将矩阵Yex维度降至Q×Q，信号的子空间可以通过奇异值分解得到，H H H

Yex＝UΣV＝UsΣsVs+UnΣnVn式中，上标H表示共轭转置，其中Us、Vs和Σs对应信号子空间，Us为U的前Q列，Vs为V的前Q行，Σs为Σ前Q行。Un、Vn和Σn对应噪声子空间，Un为删除U的前Q列，Vn为删除V的前Q行，Σn为删除Σ前Q行。

3.根据权利要求1所述的一种基于Wi‑Fi信道状态信息的三维联合估计方法，所述步骤五，估计出AoA、ToF、DFS参数估计值，并将同一信号的AoA、ToF、DFS配对，包括以下步骤：首先，将Us删除掉最后NpMp行得到Us1，将Us删除掉行前NpMp行得到Us2，由此可得，其中，表示伪逆，Ψv的特征值即为z(vq)估计值， 其中，d为天线阵之间的间距，vq为第q个信号的多普勒速度，tδ为采样间隔，f为中心频率，c为光速；

其次，设矩阵Usp＝Pc1Us，其中Pc1表示为：[Pc(1+iBP),...,Pc(Bp+iBp),Pc(1+iBp+BpNP),...,Pc(Bp+iBp+BpNP),T

Pc(1+iBp+(Mp‑1)BpNP),...,Pc(Bp+iBp+(Mp‑1)BpNP)]式中，T为转置，Pc(i)是MpNpBp×1列向量，除了第i个值是1，其余值均为零，将Usp删除最后MpBp行得到Usp1，为将Usp删除前MpBp行得到Usp2，由此可得：其中，Ψθ的特征值为z(θq)估计值， 其中，θq为第q个信号的AoA，λ＝c/f；

再次，设Ush＝Pc2Us，式中，Pc2表示为：[Pc(1)Pc(1+Bp),...,Pc(1+(NpMp‑1)Bp),Pc(2),Pc(2+Bp),...,Pc(2+(NpMp‑1)Bp),...,T

Pc(Bp),Pc(Bp+Bp),...,Pc(Bp+(NpMp‑1)Bp)]将Ush删除最后NpBp行得到Ush1，为将Ush删除前NpBp行得到Ush2，由此可得：其中，Ψτ的特征值为z(τq)估计值， 其中，τq为第q个信号的飞行时间，Δf为子载波间隔；

最后，由于Us、Usp、Ush具有相同的列空间，根据上式可以得到：‑1

Γ(v)＝w Ψvw

‑1

Γ(θ)＝w Ψθw

‑1

Γ(τ)＝w Ψτw

式中，v＝{v1,…,vq,…,vQ},θ＝{θ1,…,θq,…,θQ},τ＝{τ1,…,τq,…,τQ}，w为Ψv的特征矩阵，且Γ(v)、Γ(θ)、Γ(τ)为Q×Q对角矩阵，其对角线上对应的值为z(vq)、z(θq)和z(τq)(1≤q≤Q)，因此，DFS、AoA和ToF参数估计值 和 分别由下式获得，式中，arcsin(·)为反正弦函数，angle(·)表示求复数相位。