1.一种基于窄带物联网NB-IoT的终端指纹定位方法，其特征在于，包括：S1：获取待定位终端与多个基站之间的子载波的信道状态信息CSI，以及所述待定位终端与多个基站之间的窄带参考信号接收功率NRSRP值；

S2：根据所述CSI提取出所述待定位终端与每一所述基站之间的子载波的幅度值，并将所述待定位终端与多个基站之间的子载波的幅度值和NRSRP值作为所述待定位终端的指纹特征信息；

S3：利用K近邻算法根据所述指纹特征信息在指纹特征库中进行搜索，筛选出与所述指纹特征信息形成最优匹配的前K个参考终端的指纹特征信息，所述指纹特征库中存储有多个参考终端的指纹特征信息，以及每一参考终端所处位置的位置信息，每一参考终端的指纹特征信息包括该参考终端与多个基站之间的子载波的幅度值，以及该参考终端与多个基站之间子载波的NRSRP值；

S4：利用所述待定位终端与其服务基站之间的NRSRP值、所述K个参考终端中的每一参考终端与其服务基站之间的NRSRP值、以及无线信号传输模型计算所述待定位终端与筛选出的每一所述参考终端之间的距离估计值；

S5：根据所述距离估计差值以及K个参考终端的位置信息，利用极大似然估计算法得到所述待定位终端的实际位置估计值。

2.如权利要求1所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述指纹特征库的建立包括：S21：获取各参考终端的位置信息；

S22：针对每一所述参考终端，获取其与各基站之间的子载波的CSI和NRSRP值；

S23：针对每一所述参考终端，将该参考终端与各基站之间的子载波的幅度值与NRSRP值同该参考终端对应的位置信息进行融合，从而得到所述指纹特征库。

3.如权利要求2所述的基于NB-IoT的终端指纹定位方法，其特征在于，在步骤S22之后，且在步骤S23之前，还包括：S221：利用卡尔曼滤波去除所述CSI和所述NRSRP值中的异常值。

4.如权利要求2所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述指纹特征库表示为NB-IoTfingerprint＝[LNB-IoT,Hamp,χNRSRP]，其中，LNB-IoT＝[(lat1,lng1),(lat2,lng2)…(latm,lngm)]T，(lati,lngi)表示参考终端i的位置坐标；

Hij表示参考终端i与基站j之间的子载波的幅度值；

而χij表示参考终端i接收到的基站j的NRSRP值。

5.如权利要求4所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述步骤S3包括：S31：将所述待定位终端的指纹特征信息按照所述指纹特征库的格式进行整理；

S32：根据相似性度量公式计算所述待定位终端的指纹特征信息与所述指纹特征库中的每一指纹特征信息的相似性度量值，所述相似性度量公式为：其中NB-

IoTlocation表示待定位终端的指纹特征信息，NB-IoTi表示参考终端i的指纹特征信息，表示待定位终端的指纹特征信息中第I个指纹特征元素的值， 表示参考终端i的指纹特征信息中第I个指纹特征元素的值，N表示一个指纹特征信息中指纹特征元素的数量，p取值为[1,+∞)；

S33：将相似性度量值按照从小到大的顺序进行排列，筛选出排名前K的K个参考终端的指纹特征信息。

6.如权利要求5所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述p为2。

7.如权利要求1-6任一项所述的基于NB-IoT的终端指纹定位方法，其特征在于，所述步骤S4中通过公式 计算所述待定位终端与筛选出的每一所述参考终端之间的距离估计值，其中，NRSRPlocation表示待定位终端接收到的服务小区的NRSRP值，NRSRPk表示参考终端k接收到的服务小区的NRSRP值，dk表示所述待定位终端与参考终端k之间的距离估计值，f表示信号载波频率，k＝1,2,3,4…K。

8.如权利要求7所述的基于NB-IoT的终端指纹定位方法，其特征在于，设待定位终端的实际位置为(x,y)，按照指纹特征匹配度由高到低的顺序，筛选出的K个参考终端的对应位置依次为(x1,y1)，(x2,y2)，…，(xK,yK)，所述步骤S5中通过最小二乘理论对AX＝B进行计算得到所述待定位终端的实际位置估计值，其中，dq，1＝dq-d1，q＝2,3,4…K，dq表示所述待定位终端与参考终端q之间的距离估计值，d1表示所述待定位终端与参考终端1之间的距离估计值。