1.一种基于贝叶斯学习的otfs雷达目标参数估计方法，其特征在于：包括以下步骤，
步骤1：获取时延-多普勒域下接收符号的矩阵y；
步骤2：对矩阵y按行展开，得到其列矢量形式y；
步骤3：根据先验信息计算出有效时延单元meff和有效多普勒单元neff，得到简化的估计模型；
步骤4：从矢量y中随机选取s行，并计算获取相同行索引下的测量矩阵a；
步骤5：利用cpcsbl-gamp算法得到稀疏雷达信道矢量hest；
步骤6：将雷达信道矢量hest重新恢复成矩阵形式hest，并找出矩阵hest[k′,l′]非零元的位置(k′est,l′est)；
步骤7：得到目标距离和相对速度的估计值。
2.如权利要求1所述的基于贝叶斯学习的otfs雷达目标参数估计方法，其特征在于：所述矩阵y的获取还包括，
步骤1-1：建立时延-多普勒域下的离散雷达信道模型h(τ,ν)：
其中，m和n分别表示时延-多普勒域平面中的时延单元数和多普勒单元数，τ和ν分别表示往返时延和多普勒频移，δf为子载波频率间隔，t为一个符号的时间，h[k′,l′]表示在多普勒抽头为k′、时延抽头为l′的目标复增益，若该位置没有目标则h[k′,l′]的值为0，τ(·)为狄利克雷函数；
步骤1-2：在时延-多普勒域下，ofdm调制系统的发射符号x[k,l]和接收符号y[k,l]可以表示为：
其中，<·>n和<·>m分别表示模n和模m运算，k和l分别表示时延-多普勒域平面中接收符号y[k,l]的行、列索引，l′和k′分别表示目标时延抽头长度和多普勒频移抽头长度，w[k,l]为时延-多普勒域下方差为σ2的复高斯白噪声，相位偏移因子αk,l[k′,l′]的表达式为：
其中，l表示循环前缀的长度。
3.如权利要求2所述的基于贝叶斯学习的otfs雷达目标参数估计方法，其特征在于：所述列矢量形式y为：
其中，h为雷达信达矢量，其第k′m+l′个元素为h[k′,l′]，y为接收符号的列矢量形式，是接收符号矩阵y[k,l]按行展开所得，w为噪声矢量，矩阵
4.如权利要求3所述的基于贝叶斯学习的otfs雷达目标参数估计方法，其特征在于：所述先验信息包括实际目标的最大距离rmax和最大相对速度vmax，在此条件下对应的有效时延单元meff和有效多普勒单元neff分别为：
其中，
5.如权利要求4所述的基于贝叶斯学习的otfs雷达目标参数估计方法，其特征在于：所述测量矩阵a的获取包括，随机选取接收符号矢量y的s行，得到一个低维度的观测向量
其中，
6.如权利要求5所述的基于贝叶斯学习的otfs雷达目标参数估计方法，其特征在于：所述目标距离和相对速度分别为：
其中，rest为目标距离，vest为相对速度。