1.一种MIMO-OFDM系统量化噪声消除方法，其特征在于，包括以下步骤：S1、使用混合高斯模型拟合量化器产生的量化噪声e，利用量化后的MIMO-OFDM系统接收信号，得到量化噪声e的概率密度分布函数；S2、将信道中存在的高斯白噪声与量化噪声e结合作为误差总和q，构建总的系统误差模型；S3、使用期望最大化方法计算步骤S2构建的系统误差模型中的参数，对系统中误差总和q选择高斯阶数，高斯分量为2～4个；设置初始迭代值，对角化接收信号属于对应高斯分类的相对概率，得到接收信号的加权最小二乘矩阵，更新误差总和q的参数，通过循环迭代计算获得系统误差模型的混合高斯参数，具体步骤如下：S301、设置初始迭代值，设置混合高斯模型中高斯分量的均值为0，计算出第t次迭代时接收信号 中的第n行第d列元素属于第k个高斯分量的相对概率：其中，t为迭代次数，x md (t)是第t次迭代时发送信号矩阵中第m行第d列元素， 是接收信号中第n行第d列元素，h nm 是信道矩阵中第n行第m列的元素，n取值范围为1～N，m取值1～M，k取值1～K，λ k (t)为第t次迭代时第k个高斯分量的均值，Σ k (t)为第t次迭代时第k个高斯分量的协方差；S302、借助第t次迭代时接收信号 中的第n行第d列元素属于第k个高斯分量的相对概率o k (n,d,t)，将计算得到的所有元素属于第k个高斯分量的相对概率构建对角矩阵如下：O′ k (d,t)＝diag[o k (1,d,t),o k (2,d,t),...,o k (N,d,t)]S303、借助对角矩阵O′ k (d,t)，计算得到第t次接收信号的加权最小二乘矩阵如下：S304、借助加权最小二乘矩阵、相对概率、接收信号、信道矩阵和第t次迭代时发送信号矩阵，q的混合高斯模型参数如下：其中，x(t)是第t次迭代时发送信号矩阵，H是信道矩阵；S305、通过循环迭代计算，获得最终的混合高斯参数；S4、根据步骤S3得到的系统误差模型中的参数，结合广义近似消息传递方法从接收信号中恢复发送信号，实现噪声消除，借助误差模型参数，结合广义近似消息传递算法的数据检测方法具体为：S401、将Hx的乘积用z表示，量化后的接收信号为 假设参数z服从 的复高斯分布，w为复高斯分布的均值，v w 为复高斯分布的协方差；S402、求解非线性计算问题时，结合先验概率分布和条件概率分布得到z的后验概率分布 S403、根据接收信号的条件概率分布 与z的先验概率分布p(z)乘积，得到步骤S402中z的方差和期望；S404、根据步骤S403中得到的z的方差和期望，计算残差分量s的逆方差矩阵和期望；S405、利用残差分量s的逆方差矩阵和期望，计算x的相关辅助参数r；S406、假设发送信号经过QAM调制，从星座点中随机挑选x md ，获得x的均值和方差，恢复发送信号，x的均值和方差计算为：其中， x md 是x的均值矩阵中第m行第d列元素， 是x的协方差矩阵中第m行第d列元素， 表示信道矩阵协方差矩阵第n行第m列元素；随机挑选x md 具体为：其中， c＝{1,2,3,...,C}。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，量化噪声e用混合高斯模型表示如下：其中，J为混合高斯阶数，θ j 、ω j 和φ j 分别为第j个高斯分量的系数、均值和协方差矩阵。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，误差总和q用混合高斯模型表示为：其中，K为混合高斯阶数，μ k 、λ k 和Σ k 分别为第k个高斯分量的系数、均值和协方差矩阵。
4.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1或2或3所述的方法中的任一方法。
5.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1或2或3所述的方法中的任一方法的指令。
