1.一种车联网环境下多RIS辅助OTFS系统中的车辆感知方法，其特征在于，包括以下步骤：步骤1、在车联网环境中部署多个RIS，构建多RIS辅助的多径信道模型，其中发射源车辆通过正交时频空间调制技术将信号映射至时延‑多普勒域网格，并经无线信道传输至目标车辆；

步骤2、目标车辆接收信号后，利用嵌入式导频进行信道估计，获取整数多普勒频移，结合RIS位置信息计算信号到达方向；

步骤3、基于RIS与车辆的几何位置关系建立投影方程组，通过Rouché‑Capelli定理求解目标车辆的运动方向；

步骤4、构造位置误差向量，基于最小范数准则定义目标函数，采用OTFS信道估计辅助的EWOA算法对目标车辆位置进行估计，获得位置估计值；

步骤5、以某一RIS的反射径为参考，计算其他RIS路径的到达时间差，结合目标车辆位置估计值推导发射源车辆与RIS的距离差，构建距离差误差最小化目标函数，应用Chan‑EWOA算法优化，输出发射源车辆最终位置估计值；

通过Chan‑EWOA优化算法的实施包括：

步骤5‑1、利用Chan定位算法对发射源车辆位置进行初步估计，缩小搜索空间范围；

步骤5‑2、在缩小后的搜索空间内初始化鲸鱼种群，结合迁移搜索策略、包围捕食策略、优先旋转策略及螺旋更新策略动态调整位置；并在螺旋更新策略中引入非线性时变自适应权重：其中，γ是非线性时变自适应权重，t是当前迭代次数，Mmax是最大迭代次数，在不同迭代次数中可以根据非线性自适应权重来调整螺旋更新策略的权重参数；

步骤5‑3、基于饥饿度评估更新鲸鱼位置，迭代至最大次数后输出最优解。

2.根据权利要求1所述的车辆感知方法，其特征在于，所述步骤1中，定义信息符号为：{x[k,l],k＝0,...,N‑1,l＝0,...,M‑1}，所述OTFS调制技术通过将信息符号排列在时延‑多普勒域网格，表达式如下:其中，Δf为采样频率间隔，1/MΔf和1/NT分别表示时延和多普勒的量化步长，N和M分别为时延域和多普勒域的网格维度。

3.根据权利要求1所述的车辆感知方法，其特征在于，所述步骤2中，信号到达目标车辆的DOA的计算方法：其中，c是信号在介质中的传播速度， 是第i条路径的DOA,vG是目标车辆运动速度大小，νi是实际多普勒频移， 是第i个RIS接收到的信号中心频率，fc是发射信号的中心频率。

4.根据权利要求1所述的车辆感知方法，其特征在于，所述步骤3中，建立的投影方程组，数学式如下：其中，ω是要进行求解的目标车辆运动方向，(x,y)是要进行求解的目标车辆位置，是RIS的位置。

5.根据权利要求1所述的车辆感知方法，其特征在于，所述步骤5‑2中，所述迁移搜索策略的更新公式为：

当p＜0.5且A＜0.5时，选取剩下j条鲸鱼进行丰富的包围捕食策略，并更新位置：当p＜0.5且A≥0.5时，选取剩下j条鲸鱼进行优先选择策略，并更新位置：P(x,y)＝P(x,y)+A×(C×Prnd1(x,y)‑Prnd2(x,y))；

当p≥0.5时，选取剩下j条鲸鱼进行全面螺旋更新策略，并更新位置：其中， 是NR条鲸鱼的更新位置，Prnd(x,y)是搜索空间中的随机位置，Pbrnd(x,y)是最优解附近的随机位置，p是选取不同策略的随机概率，A是行动步长参数，表示为A＝0.5+0.1tan(π(r‑0.5))，r是0到1之间的随机数，P(x,y)是剩下j条鲸鱼的更新位置，SB(x,y)是当前迭代中鲸鱼的最佳位置，C是0到2之间的随机更新系数，Prnd1(x,y),Prnd2(x,y),Prnd3(x,y)是交叉解中随机选的三个位置，l是螺旋更新系数，表示为

6.根据权利要求1所述的车辆感知方法，其特征在于，所述步骤5中，所述距离差误差最小化目标函数定义为：其中 使用Chan‑

EWOA优化算法对目标函数进行求解获得发射源车辆位置的最终估计其中，NRIS是场景中RIS的使用个数，(xS,yS)是发射源车辆的位置，rRi,1S是不同RIS与发射源车辆路径之间的距离差。

7.根据权利要求1所述的车辆感知方法，其特征在于，所述RIS的数量不少于3个，且其位置信息通过车联网交互实时获取。

8.根据权利要求1所述的车辆感知方法，其特征在于，所述方法适用于无视距路径及无收发端时钟同步的车联网场景。

9.一种车联网系统，其特征在于，包括权利要求1‑8任意一项所述的车辆感知方法，用于实现车辆位置与运动方向的联合估计。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1‑8任意一项所述的车辆感知方法。