1.一种面向室内Wi‑Fi定位的信道状态信息特征提取方法，其特征在于：以多维主成分分析为基础进行CSI维度约减，并在尽可能保持原始CSI数据变化信息的前提下，于张量各维度上提取最显著的信号成分，引入交替迭代最小二乘算法AILS来求解投影矩阵的最优解，并得到最终的约减张量，最后，将重构得到的张量作为CSI位置指纹实现特征提取。

2.根据权利要求1所述的面向室内Wi‑Fi定位的信道状态信息特征提取方法，其特征在于：本方法具体包括以下步骤：

S1：在Nf个参考点RP处分别采集到来自同一个无线接入点AP的信道状态信息CSI；

S2：对采集到的CSI进行解析得到CSI幅值，并表示为Nf个X轴为子载波、Y轴为数据包且Z轴为CSI幅值的三维图像，将所述三维图像视为Nf个二元三维张量 其中，W1、W2和W3分别为子载波、数据包、幅值这三个维度的维度大小；

S3：将第n个参考点所对应的张量Θn划分为M个各维度大小相等且互不重叠的子张量S4：对第n个参考点的第m个子张量A(m,n)进行去中心化得到 其中，S5：将去中心化子张量 在第d维上展开为矩阵 对协方差矩阵 进行特征值分解后得到从大到小排序的特征值，初始化第d维投影矩阵 为前Dd个最显著的特征值所对应的特征向量的组合；

S6：利用交替迭代最小二乘算法AILS来求解各维度投影矩阵的最优解 和最终的约减张量

S7：重复步骤S3‑S6，得到第n个参考点的M个约减张量 再将这M个约减张量按原位置重构得到张量 并将其作为第n个参考点的CSI位置指纹，其中，V1、V2和V3分别为子载波、数据包、幅值这三个维度的维度大小；

S8：重复步骤S3‑S7，得到Nf个参考点的CSI位置指纹 实现特征提取。

3.根据权利要求1所述的面向室内Wi‑Fi定位的信道状态信息特征提取方法，其特征在于：步骤S6具体包括以下步骤：S61：初始化子张量 的约减张量为 其能量为

S62：当第k次迭代时，先将张量 在第d维上展开为矩阵 再对协方差矩阵进行特征值分解后得到从大到小排序的特征值，然后更新第d维投影矩阵 为前Dd个最显著的特征值所对应的特征向量的组合，利用更新后的更新

S63：重复步骤S62依次更新第1维至第3维的投影矩阵后即完成一次迭代；

S64：获取第k次迭代的约减张量 以及该约减张量的能量

S65：如果相邻两次迭代所得能量的差值(η(k,n)‑η((k‑1),n))小于预先设定的阈值，则满足收敛要求，输出各维度的投影矩阵并将第k次迭代的约减张量 作为最终的约减张量反之，重复步骤S62至步骤S64直到满足收敛要求。