1.一种面向车联网的大规模MIMO智能CSI反馈方法，其特征在于，包括：S1，构建面向车联网的基于大规模MIMO的通信系统模型，得到批量CSI截断矩阵数据；

S2，设计轻量化CSI反馈框架中编码器的结构；

S3，设计轻量化CSI反馈框架中解码器的结构；

S4，设计合理的训练方案讲S2和S3所提的编码器和解码器作为同一种端到端网络进行训练得到网络模型。

2.根据权利要求1所述的一种面向车联网的大规模MIMO智能CSI反馈方法，其特征在于，所述S1包括：

在一个面向车联网的基于大规模MIMO的系统中，考虑一个基站端有Nt(Nt＞＞1)根发射天线，用户端有单根接收天线；该系统采用正交频分复用(Orthogonal  Frequency Division Multiplexing，OFDM)，并有Ns个子载波；由此得到其接收端信号y可以被描述为：其中 ， 表示为Ns维接收向量 ， 表示为Ns维发射向量，表示为Ns×Nt维度的信道矩阵，其中的 表示为第i个子载波上的信道向量， 其中ui表示第i个子载波的预编码向量，表示为Ns维的加性高斯白噪声；

为了更好地设计预编码向量ui，在CSI反馈过程中，就需要在基站端得到一个足够精确的 即通过更低的反馈量获得更高的重建效果；而CSI矩阵在角度域是稀疏的，所以该虚拟角度域矩阵可通过两个离散傅里叶变换(Discrete Fourier Transform，DFT)矩阵求得：其中，Ds是一个Ns×Ns的DFT矩阵，Dt是一个Nt×Nt的DFT矩阵；将原始的Ns×Nt矩阵截断为N′s×Nt(N′s＜Ns)的截断矩阵，即CSI截断矩阵

3.根据权利要求1所述的一种面向车联网的大规模MIMO智能CSI反馈方法，其特征在于，所述S2包括：

对于CSI截断矩阵 该矩阵属于复数矩阵，其中包含实部和虚部的数据，为了方便数据的处理和训练，将其转化为N′s×Nt×2；转化后的矩阵作为编码器的输入，首先经过一个ConvBN块(由一个3×3卷积核的二维普通卷积层Conv2D、批量归一化层(Batch Normalization，BN)和激活函数(LeakyReLU)输出特征图)；接着，通过连续的四个ACN块，得到经过压缩后的码字矩阵Sen；每个SACN块都由一个池化窗口大小为2×2的平均池化层(AveragePooling2D)和一个SEConvBN块组成；而每个SEConvBN块都由一个深度可分离卷积(SeparableConv2D)、BN和LeakyReLU构成。

4.根据权利要求1所述的一种面向车联网的大规模MIMO智能CSI反馈方法，其特征在于，所述S3包括：

在编码器输出得到的码字矩阵Sen后将其输入解码器，首先是经过连续的4个USCN块，每个USCN块由一个数据插值窗口大小为2×2的二维上采样层(UpSampling 2D)和一个ConvBN块构成；上采样层可以使得输入的数据维度提升，其原理是通过对数据的行和列进行重复的插值过程完成升维；接着，通过一个ConvBN层得到N′s×Nt×2的输出后输入到连续的两个ConvBlock块，每个ConvBlock块都是根据残差网络的形式所构建的一种残差卷积块，有三个ConvBN块所构成；将通过一个ConvBN层后的输出与整个ConvBlock块的输入的和作为ConvBlock块的最后输出；最后将N′s×Nt×2的输出通过一个3×3卷积核的普通卷积层Conv2D(激活函数Sigmoid，可以将数据调整到[0,1])得到最终的重建结果

5.根据权利要求1所述的一种面向车联网的大规模MIMO智能CSI反馈方法，其特征在于，所述S4包括：

S1所述中的车联网MIMO通信系统参数和网络的训练配置为：基站天线采用均匀线性阵列天线排列方式(Uniform Linear Array，ULA)，天线间距为半个波长；基站端天线数量为Nt＝32，OFDM系统子载波数为Ns＝1024；考虑大规模MIMO的稀疏特性我们只取前N′s＝32行；

即H是一个32×32的复数矩阵；训练、验证和测试数据集大小分别为：100000、30000和

20000；训练批次数据大小(batch size)为100，训练轮次(epochs)为1500轮，网络学习率(leaning rate)为0.001。