1.一种基于深度残差学习的智能反射面辅助通信系统信道估计方法，其特征在于，包括以下步骤：S1.构建IRS辅助多用户的上行通信系统，所述上行通信系统包括基站端、IRS和用户端，其中将用户端到基站端的通信链路称作直接信道，将用户端通过IRS反射到基站端的通信链路称作级联信道；

S2.基站端接收用户端发送的导频信号并提取待预估信道矩阵；采用最小二乘法处理待预估信道矩阵得到LS矩阵；

在步骤S2中，基站端接收用户端发送的导频信号，并提取导频信号中的直接信道和级联信道作为待预估信道矩阵；且采用最小二乘法处理待预估信道矩阵时，IRS相移矩阵采用DFT矩阵形式；

S3.将LS矩阵与导频信号的真实信道矩阵构成新数据点，获取多个新数据点组成深度学习数据集D；

S4.对深度学习数据集进行预处理，采用预处理后的深度学习数据集对CENet网络进行离线训练；

CENet网络采用并行去噪网络结构，其包括拼接信息保留模块和扩张卷积稀疏模块；

拼接信息保留模块包括级联的卷积层和12个主体特征提取模块；其中，每一个主体特征提取模块包括级联的第一卷积单元和连接层，且在第一卷积单元的输入处有一条直接到连接层的分支；所述第一卷积单元包括第一简单卷积层、批量归一化层和激活函数层；

扩张卷积稀疏模块包括6个级联的边缘特征提取模块，每一个边缘特征提取模块包括级联的第二卷积单元和第三卷积单元；所述第二卷积单元包括第二简单卷积层、批量归一化层和激活函数层，所述第三卷积单元包括扩张卷积层、批量归一化层和激活函数层；

S5.在线获取新待预估信道矩阵，对其进行最小二乘法处理后输入离线训练完成的CENet网络，得到去噪后的精确信道信息。

2.根据权利要求1所述的一种基于深度残差学习的智能反射面辅助通信系统信道估计方法，其特征在于，在IRS辅助多用户的上行通信系统中，本发明还设计了一种用于数据传输的信息帧，所述信息帧包括信道估计子帧、反馈子帧和数据传输子帧。

3.根据权利要求2所述的一种基于深度残差学习的智能反射面辅助通信系统信道估计方法，其特征在于，信道估计子帧包括X>1个信道估计亚子帧。

4.根据权利要求1所述的一种基于深度残差学习的智能反射面辅助通信系统信道估计方法，其特征在于，在步骤S1所述的上行通信系统中，用户端包括多个用户，每个用户配备有单根天线，基站端配备有M>1根天线，IRS设有N>1个IRS反射单元，当第k个用户发送长度为L个符号的导频信号其中，d

H'

其中，H'