近期，基于 Transformer （Transformer）的解决方案被引入用于从2D关键点序列中估计3D人体姿态。这些方法通过全局考虑所有帧中的身体关节来学习时空相关性。我们观察到不同关节的运动差异显著。然而，先前的方法无法高效地建模每个关节在帧间的固有对应关系，导致对时空相关性的学习不足。为此，我们提出了一种混合时空编码器（MixSTE），该编码器包含一个时间 Transformer 模块，用于分别建模每个关节的时间运动；以及一个空间 Transformer 模块，用于学习关节之间的空间相关性。这两个模块交替使用，以获得更好的时空特征编码效果。此外，网络输出从中心帧扩展到了输入视频的所有帧，从而提高了输入和输出序列之间的一致性。我们在三个基准数据集（Human3.6M、MPI-INF-3DHP 和 HumanEva）上进行了广泛的实验。实验结果表明，我们的模型在P-MPJPE指标上比现有最佳方法提高了10.9%，在MPJPE指标上提高了7.6%。代码已发布在 https://github.com/JinluZhang1126/MixSTE。