1.基于OTFS通感共享波形的多目标参数估计方法，其特征在于，包括如下步骤：
步骤1：针对基于OTFS的通信感知一体化场景，基于离散DD域信道表示构建基站接收回波模型，记为模型A；基于连续DD域信道表示构建基站接收回波模型，记为模型B；
步骤2：在接收回波矢量信号中随机选取R行，构建BCS线性模型；采用GAMP算法迭代估计感知信道h，获得目标的整数延迟多普勒估计，根据估计结果与模型A重建每个目标的近似回波信号；
步骤3：基于模型B，利用重建的每个目标的近似回波信号进行干扰消除，构建用于每个目标ML估计的问题模型；根据每个目标ML估计的问题模型构建二维函数；利用坐标CD算法迭代估计目标的分数延迟多普勒；
步骤4：输出目标的距离估计和速度估计结果。
2.如权利要求1所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，所述基于OTFS的通信感知一体化场景，具体为：通感一体化基站通信的用户和主动感知的目标为相同个体；基站发射OTFS通感一体化信号，并接收经过目标反射的回波；基站通过发射端的DD域信号 与接收端的DD域信号 获取目标与基站的相对
距离R与相对径向速度V,从而完成对目标的物理参数r和v的估计；其中， 表示MN×1维复数域，M和N分别表示子载波个数与时隙个数；
物理参数r和v分别对应感知信道 中的两个
参数，即延迟τ＝2r/c和多普勒ν＝2fcv/c；其中，P为目标个数；ξp，τp，vp分别为目标p的反射系数、延迟和多普勒；fc为载频，c为光速；δ(·)为狄拉克δ函数。
3.如权利要求2所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，所述基于离散DD域信道表示构建基站接收回波模型，具体为：
在离散DD域信道表示中，τ和v分别为延迟分辨率1/MΔf和多普勒分辨率1/NT的整数倍，即，τ＝l/MΔf，l＝0,…,M‑1，v＝k/NT，k＝0,…,N‑1；其中，Δf为子载波间隔，T为时隙长度，TΔf＝1，延迟抽头l和多普勒抽头k均为整数；
令 在抽头
lp和kp处存在目标p，则h(lp,kp)为该目标反射系数ξp，若抽头l和k处不存在目标，则h(l,k)为0；当有 P个目标时，离 散DD域信道包 含P个非零反 射系数，表示 为
‑1 DD ‑1 DD
令Y＝vec (y )， X＝vec (x )， h(kM+l)＝h(l,k)，h＝[h
T ‑1
(0),h(1),…,h(MN‑1)]， 其中，vec (·)表示向量的矩阵化；
在此表示模式下，无噪声时接收到的DD域信号矩阵Y的第m行、第n列的元素为
其中，0≤m
≤M‑1，0≤n≤N‑1；[·]M表示模M；
令
H
⊙表示矩阵内积，(·) 表示矩阵的共轭转置；
令
H DD
令onM+m＝om,n，O＝[o0,o1,…,oMN‑1]， y ＝Oh；
DD DD
考虑噪声，y ＝Oh+v， ω为加性高斯白噪声；矩阵O根据发射信号x 与相
位ρm,n进行唯一设计。
4.如权利要求1所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，所述基于连续DD域信道表示构建基站接收回波模型，具体为：
在连续DD域信道表示中，τ和ν分别包含分数倍的延迟分辨率1/MΔf与分数倍的多普勒分辨率1/NT；
在此表示模式下，接收到的DD域信号矢量表示为 其中，
Ω为连续DD域感知信道矩阵，
为加性高斯白噪声， 表示克罗内克积，IMN表示MN维的单位矩阵；
定义为
是与目标p有关的连续DD域感知信道矩阵，定义为
其中，FN是N维的FFT矩阵，FM是M维
的FFT矩阵， ΠMN是MN维的前向
循环矩阵， 是M维的IFFT矩阵， 是N维的IFFT矩阵，
5.如权利要求1所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，所述步骤2，具体包括如下步骤：
DD
在对感知信道h进行迭代估计之前，在接收到的向量y ＝Oh+ω中随机选取R行，PDD DD
信号y 随机采样生成的观测数据，Φ是根据发射信号x 以及观测数据y的生成信息设计的观测矩阵， 是随机采样后的加性高斯噪声；
对线性模型 使用GAMP‑BCS算法估计包含目标延迟lp和多普勒kp信息的
T
矢量h；认为隐变量h＝[h(0),h(1),…,h(S‑1)]服从均值为0S×1、方差为α＝[α0,α1,…,αS‑1T
]的高斯先验分布，超参数α服从伽马超先验分布。同时，噪声 的方差ζ未知，服从伽马超先验分布。
6.如权利要求5所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，所述GAMP‑BCS算法具有内外嵌套迭代的形式，定义上标{t}表示第t次外迭代，上标(i)表示第i次内迭代；
{0} {0}
在外迭代开始前，初始化超参数，α ＝1S×1，ζ ＝0.2；
{t} {t}
对于给定的α ，ζ ，t≥0，在内迭代开始前，令i＝0；初始化待估计信道h的均值和方(0) H (0)
差，μh ＝Φ y，σh ＝1S×1；初始化因子
内迭代重复以下步骤：
(i) (i)
1)无噪观测 无噪观测 高斯先验分布的方差τu ＝(Φ ⊙ Φ)σh ，
均值
2)无噪观测的后验均值 无噪
观测的 后验方 差 因 子
因子 其中 表示矩阵对应
元素相除；
3)因子 因子
4) h 的 后 验 均 值 h 的 后 验 方 差
5)当 或i≥imax，内迭代结束，输出最后一次迭代的结果
其中， 是内迭代门限，
imax是内迭代最大次数；
在外迭代中，重复以下步骤：
1)超参数
超参数
其中，a,b是α的伽马分布中的参数，c,d是ζ的伽马分布中的参数；
2)当 或t≥tmax，外迭代结束，输出最
后一次迭代的结果
令
Γ是离散延迟多普勒网格。
7.如权利要求5或6所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，所述步骤3，具体包括如下步骤：
在步骤2粗估计得到的 基础上，使用表示模式 进一步精确
估计结果；对于P个目标，ML算法需要进行P次估计，每次估计一个目标的
将步骤2估计得到的感知信道 看作是P个目标分别对应的感知信道估计结果的和，即，其中 是目标p′的在第一阶段中的感知信道估计；
令 表示近似重构的来自目标p′的DD域接收回波，用于
干扰消除，在干扰消除后，ML模型用于估计目标p的接收信号为
是与目标p有关的
加性高斯白噪声；
对于目标p，令 Γp是目标p对应的
连续延迟多普勒网格；
对于 目标p的连续延迟多
普勒的ML估计为 将二维最小化问题
转换为二维最大化问题，即 然后使用
CD算法迭代解决所述二维最大化问题。
8.如权利要求7所述的基于OTFS通感共享波形的多目标参数估计方法，其特征在于，使用CD算法迭代解决所述二维最大化问题，具体过程为：
定义 其定义域为 Γ p；给定初始坐标
每次迭代重复以下步骤：
1)固定
2)固定
3)当 或j≥jmax，迭代结束，输出最后
一次迭代的结果 其中， 是门限，jmax是最大迭代次数；
目标p的最终距离估计 c为光速；最终速度估计
9.基于OTFS通感共享波形的多目标参数估计系统，其特征在于，包括感知信道模型构建模块、整数延迟多普勒估计模块以及分数延迟多普勒估计模块；
所述感知信道模型构建模块，用于针对基于OTFS的通信感知一体化场景，基于离散DD域信道表示构建基站接收回波模型，记为模型A；基于连续DD域信道表示构建基站接收回波模型，记为模型B；
所述整数延迟多普勒估计模块，用于在接收回波矢量信号中随机选取R行，构建BCS线性模型；采用GAMP算法迭代估计感知信道h，获得目标的整数延迟多普勒估计，根据估计结果与模型A重建每个目标的近似回波信号；
所述分数延迟多普勒估计模块，基于模型B，利用重建的每个目标的近似回波信号进行干扰消除，构建用于每个目标ML估计的问题模型；根据每个目标ML估计的问题模型构建二维函数；利用CD算法迭代估计目标的分数延迟多普勒；输出目标的距离估计和速度估计结果；
优选地，所述基于OTFS的通信感知一体化场景，具体为：通感一体化基站通信的用户和主动感知的目标为相同个体；基站发射OTFS通感一体化信号，并接收经过目标反射的回波；
基站通过发射端的DD域信号 与接收端的DD域信号 获取目标
与基站的相对距离r与相对径向速度v,从而完成对目标的物理参数r和v的估计；其中，表示MN×1维复数域，M和N分别表示子载波个数与时隙个数；
物理参数r和v分别对应感知信道 中的两个
参数，即延迟τ＝2r/c和多普勒ν＝2fcv/c；其中，P为目标个数；ξp，τp，vp分别为目标p的反射系数、延迟和多普勒；fc为载频，c为光速；δ(·)为狄拉克δ函数；
所述基于离散DD域信道表示构建基站接收回波模型，具体为：
在离散DD域信道表示中，τ和ν分别为延迟分辨率1/MΔf和多普勒分辨率1/NT的整数倍，即，τ＝l/MΔf，l＝0,…,M‑1，v＝k/NT，k＝0,…,N‑1；其中，Δf为子载波间隔，T为时隙长度，TΔf＝1，延迟抽头l和多普勒抽头l均为整数；
令 在抽头
lp和kp处存在目标p，则h(lp,kp)为该目标反射系数ξp，若抽头l和k处不存在目标，则h(l,k)为0；当有 P个目标时，离 散DD域信道包 含P个非零反 射系数，表示 为
‑1 DD ‑1 DD
令Y＝vec (y )， X＝vec (x )， h(kM+l)＝h(l,k)，h＝[h
T ‑1
(0),h(1),…,h(MN‑1)]， 其中，vec (·)表示向量的矩阵化；
在此表示模式下，无噪声时接收到的DD域信号矩阵Y的第m行、第n列的元素为
其中，0≤m
≤M‑1，0≤x≤N‑1；[·]M表示模M；
令
H
⊙表示矩阵内积，(·) 表示矩阵的共轭转置；
令
H DD
令onM+m＝om,n，O＝[o0,o1,…,oMN‑1]， y ＝Oh；
DD DD
考虑噪声，y ＝Oh+ω， ω为加性高斯白噪声；矩阵O根据发射信号x 与相
位ρm,n进行唯一设计。
所述基于连续DD域信道表示构建基站接收回波模型，具体为：
在连续DD域信道表示中，τ和v分别包含分数倍的延迟分辨率1/MΔf与分数倍的多普勒分辨率1/NT；
在此表示模式下，接收到的DD域信号矢量表示为 其中，
Ω为连续DD域感知信道矩阵，
为加性高斯白噪声， 表示克罗内克积，IMN表示MN维的单位矩阵；
定义为
是与目标p有关的连续DD域感知信道矩阵，定义为
其中，FN是N维的FFT矩阵，FM是M维
的FFT矩阵， ∏MN是MN维的前向
循环矩阵， 是M维的IFFT矩阵， 是N维的IFFT矩阵，
所述整数延迟多普勒估计模块，具体执行如下步骤：
DD
在对感知信道h进行迭代估计之前，在接收到的向量y ＝Oh+ω中随机选取R行，PDD DD
信号y 随机采样生成的观测数据，Φ是根据发射信号x 以及观测数据y的生成信息设计的观测矩阵， 是随机采样后的加性高斯噪声；
对线性模型 使用GAMP‑BCS算法估计包含目标延迟lp和多普勒kp信息的
T
矢量h；认为隐变量h＝[h(0),h(1),…,h(S‑1)]服从均值为OS×1、方差为α＝[α0,α1,…,αS‑1T
]的高斯先验分布，超参数α服从伽马超先验分布。同时，噪声 的方差ζ未知，服从伽马超先验分布；
所述GAMP‑BCS算法具有内外嵌套迭代的形式，定义上标{t}表示第t次外迭代，上标(i)表示第i次内迭代；
{0} {0}
在外迭代开始前，初始化超参数，α ＝1S×1，ζ ＝0.2；
{t} {t}
对于给定的α ，ζ ，t≥0，在内迭代开始前，令i＝0；初始化待估计信道h的均值和方(0) H (0)
差，μh ＝Φ y，σh ＝1S×1；初始化因子
内迭代重复以下步骤：
(i) (i)
1)无噪观测 无噪观测 高斯先验分布的方差τu ＝(Φ ⊙ Φ)σh ，
均值
2)无噪观测的后验均值 无噪
观测的后 验方差 因子
因子 其中 表示矩阵对应
元素相除；
3)因子 因子
4) h 的 后 验 均 值 h 的 后 验 方 差
5)当 或i≥imax，内迭代结束，输出最后一次迭代的结果
其中， 是内迭代门限，
imax是内迭代最大次数；
在外迭代中，重复以下步骤：
1)超参数
超参数
其中，a,b是α的伽马分布中的参数，c,d是ζ的伽马分布中的参数；
2)当 或t≥tmax，外迭代结束，输出最
后一次迭代的结果
令
Γ是离散延迟多普勒网格；
所述分数延迟多普勒估计模块，具体执行如下步骤：
在整数延迟多普勒估计模块粗估计得到的 基础上，使用表示模式
进一步精确估计结果；对于P个目标，ML算法需要进行P次估计，每次估
计一个目标的
将整数延迟多普勒估计模块估计得到的感知信道 看作是P个目标分别对应的感知信道估计结果的和，即， 其中 是目标p′的在第一阶段中的感知信道估计；
令 表示近似重构的来自目标p′的DD域接收回波，用于
干扰消除，在干扰消除后，ML模型用于估计目标p的接收信号为
是与目标p有关的
加性高斯白噪声；
对于目标p，令 Γp是目标p对应的
连续延迟多普勒网格；
对于 目标p的连续延迟多
普勒的ML估计为 将二维最小化问题
转换为二维最大化问题，即 优选地，使
用CD算法迭代解决所述二维最大化问题，具体过程为：
定义 其定义域为 Γ p；给定初始坐标
每次迭代重复以下步骤：
1)固定
2)固定
3)当 或j≥jmax，迭代结束，输出最后
一次迭代的结果 其中， 是门限，jmax是最大迭代次数；
目标p的最终距离估计 c为光速；最终速度估计