1.一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法，其特征在于，包括：实时获取大规模MIMO系统中下行链路CSI信道矩阵，采用训练好的多分辨率融合卷积反馈网络模型对下行链路CSI信道矩阵进行处理，得到新的CSI信道矩阵；对新的CSI信道矩阵进行处理，得到重建的CSI信道矩阵；

对多分辨率融合卷积反馈网络模型进行训练的过程包括：

S1：获取下行链路CSI信道矩阵；

S2：对CSI信道矩阵作二维DFT变换，得到角度时延域稀疏的CSI信道矩阵；

S3：对角度时延域稀疏的CSI信道矩阵进行截断，得到截断矩阵；

S4：采用多分辨率融合卷积反馈网络编码器对截断矩阵进行处理，得到CSI压缩码字；采用多分辨率融合卷积反馈网络编码器对截断矩阵进行处理的过程包括：多分辨率融合卷积反馈网络编码器包括：两个卷积核为3×3的卷积层、三个多分辨率卷积模块MBlock和一个均值池化层；多分辨率卷积模块包括：两个卷积核分别为3×3和7×7的并行卷积层、一个叠加层和一个通道混洗层；

采用第一个卷积核为3×3的卷积层对截断矩阵进行通道升维，得到通道升维后的截断矩阵；

采用三个多分辨率卷积模块MBlock依次获取通道升维后的截断矩阵在不同稀疏度下的特征信息并对矩阵进行降维处理，得到降维后的截断矩阵；

采用均值池化层和第二个卷积核为3×3的卷积层对降维后的截断矩阵进行处理，得到CSI压缩码字；

S5：采用多分辨率融合卷积反馈网络译码器对CSI压缩码字进行处理，得到新的CSI信道矩阵；采用多分辨率融合卷积反馈网络译码器对CSI压缩码字进行处理的过程包括：多分辨率融合卷积反馈网络译码器包括：四个上采样卷积模块UCBlock、两个密集连接模块Dense Block和两个卷积核为3×3的卷积层；采用四个上采样卷积模块UCBlock依次对CSI压缩码字进行处理，得到初步恢复的CSI信道矩阵；上采样卷积模块包括：一个上采样层和一个卷积核为3×3的卷积层；采用第一个卷积核为3×3的卷积层对初步恢复的CSI信道矩阵进行特征提取和通道降维处理，得到第一特征矩阵；

采用两个密集连接模块Dense Block依次对第一特征矩阵进行细化特征处理，得到第二特征矩阵；采用密集连接模块对第一特征矩阵进行细化处理包括：密集连接模块包括三个卷积核为3×3的卷积层和一个卷积核为1×1的卷积层；采用三个卷积核为3×3的卷积层依次对第一特征矩阵进行处理，其中每层卷积的输入为之前所有卷积层的输出进行拼接而成；将每层卷积输出进行拼接，得到拼接矩阵；采用卷积核为1×1的卷积层对拼接矩阵进行特征融合和降维，得到第二特征矩阵；

采用第二个卷积核为3×3的卷积层对第二特征矩阵进行处理，得到特征图；

对特征图进行sigmoid激活函数和归一化处理，得到新的CSI信道矩阵；

S6：计算多分辨率融合卷积反馈网络模型的损失函数，根据损失函数调整模型的参数；当损失最小时，得到训练好的多分辨率融合卷积反馈网络模型。

2.根据权利要求1所述的一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法，其特征在于，对CSI信道矩阵作二维DFT变换的公式为：H′＝FcHFtH

其中，H′表示角度时延域稀疏的CSI信道矩阵，Fc表示左乘DFT矩阵，H表示下行链路CSI信道矩阵，FtH表示右乘DFT矩阵。

3.根据权利要求1所述的一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法，其特征在于，计算多分辨率融合卷积反馈网络模型的损失函数包括：计算多分辨率融合卷积反馈网络模型的单任务损失函数；根据单任务损失函数计算多分辨率融合卷积反馈网络模型的多任务损失函数。

4.根据权利要求3所述的一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法，其特征在于，计算单任务损失函数的公式为：其中，L(θ)表示单任务损失，T表示一轮迭代训练中的样本个数，表示欧几里得范数，Hi表示网络的输出CSI信道矩阵，表示网络的输入CSI信道矩阵。

5.根据权利要求3所述的一种大规模MIMO系统中基于多分辨率融合卷积反馈网络的CSI反馈方法，其特征在于，计算多任务损失函数的公式为：其中，L(W)表示多任务损失，Lη(W)表示压缩比为η时的单任务损失，ση表示任务中的噪声权重，N表示任务数量。