1.一种面向高速移动场景的低复杂度OTFS信号检测方法，其特征在于：包括以下步骤，S1、利用时延‑多普勒域信道稀疏性建立稀疏因子图，并构建基于稀疏因子图的消息传递规则；具体为：S101、基于贝叶斯推断的x的符号估计，通过后验分布来表示，具体为：其中，p(y|x)和p(x)分别表示x的似然函数和先验分布；

S102、将后验分布因子化为

其中， 表示先验分布，fc(x)＝p(yc|x)表示关于y第c个元素的似然函数；

S103、利用时延多普勒域信道的稀疏性，建立稀疏因子图；

S2、利用时延‑多普勒域信道的块循环结构，通过傅里叶矩阵对角化以降低期望传播求逆步骤复杂度；具体方法为：S201、因为信道H是块循环矩阵，将 对角化，其中FM和FN分别表示维度为M×M和N×N的傅里叶矩阵， 代表克罗内克积运算，即其中Ω＝diag{r1,r2,L,rMN}是H的特征值矩阵；

S202、通过 的算法得到协方差矩阵；

S203、通过 的算法得到特征值矩阵，M‑1 j2π/M

其中，ΨM＝diag{1,ω,L,ω },ω＝e ，Ωk表示第k个循环块的特征值矩阵；

S204、Σ特征值矩阵为

因为更新符号方差时，算法近似的认为每个符号拥有均等的方差，故而每个符号的方差取值为：又因为矩阵的迹等于其特征值之和故而有在计算符号MMSE估计值时有

其中Φ被表示为

令Y和Λ均为N×M的矩阵，且满足vec(Y)＝y，vec(Λ)＝γ；

随后令

其中只涉及到N点DFT与M点的逆DFT运算；进而定义 和 分别为q＝Φd和p＝Θv；再定义Q和P均为N×M的矩阵，且满足vec(Q)＝q和vec(P)＝p，可以得到S3、利用循环期望传播算法迭代，当算法收敛后输出检测符号进行解调。

2.根据权利要求1所述的一种面向高速移动场景的低复杂度OTFS信号检测方法，其特征在于：所述步骤S1中消息的传递规则为因子节点FN与变量节点VN之间的消息传递规则，采用和积算法表示为符号xj的边缘后验分布为

或者被表示为

3.根据权利要求2所述的一种面向高速移动场景的低复杂度OTFS信号检测方法，其特征在于：所述步骤S3中，当算法迭代收敛后，将估计值进行解调以得到最终接收端需要处理的二进制符号。