1.一种基于全连接残差块神经网络的收发机译码方法，其特征在于，所述收发机包括发射机、信道、全连接残差块神经网络解调器和比特交织译码器，所述方法包括：获取信息比特序列，采用所述发射机对所述信息比特序列进行编码转换，生成前缀串行时域多载波符号序列；

通过所述信道对所述前缀串行时域多载波符号序列进行干扰，输出前缀串行时域传输符号序列；

对所述前缀串行时域传输符号序列进行快速傅里叶变换和串并行转换，生成并行频域符号序列；

采用所述全连接残差块神经网络解调器对所述并行频域符号序列进行解调，输出软解调信息；

通过所述比特交织译码器对所述软解调信息进行交织译码，确定译码比特序列；

所述全连接残差块神经网络解调器包括全连接网络和分组卷积残差神经网络；所述采用所述全连接残差块神经网络解调器对所述并行频域符号序列进行解调，输出软解调信息的步骤，包括：对所述并行频域符号序列进行顺序排列，确定频域排列符号序列；

通过所述全连接网络对所述频域排列符号序列进行特征变换提取，生成信道冲激响应序列；

对所述信道冲激响应序列进行快速傅里叶变换，生成信道频域响应序列；

提取所述并行频域符号序列中的传输映射符号序列，并对所述信道频域响应序列和所述传输映射符号序列进行并行排列，确定多个并行符号数据；

采用多个所述并行符号数据，构建三维矩阵，并采用所述分组卷积残差神经网络对所述三维矩阵进行特征评估，输出软解调信息。

2.根据权利要求1所述的基于全连接残差块神经网络的收发机译码方法，其特征在于，所述发射机包括原模图低密度奇偶校验编码器、比特交织器和多进制正交幅度调制器；所述采用所述发射机对所述信息比特序列进行编码转换，生成前缀串行时域多载波符号序列的步骤，包括：将所述信息比特序列输入至所述原模图低密度奇偶校验编码器进行编码，输出编码比特序列；

采用所述比特交织器对所述编码比特序列进行比特交织，生成交织比特序列；

通过所述多进制正交幅度调制器对所述交织比特序列进行调制映射，输出映射符号序列；

对所述映射符号序列执行串并行转换操作，输出并行映射符号序列，并将预置并行导频符号序列插入所述并行映射符号序列，生成并行频域传输符号序列；

对所述并行频域传输符号序列进行快速傅里叶逆变换，生成并行时域多载波符号序列，并将预置循环前缀插入所述并行时域多载波符号序列，确定前缀并行时域多载波符号序列；

对所述前缀并行时域多载波符号序列执行串并行转换操作，生成前缀串行时域多载波符号序列。

3.根据权利要求1所述的基于全连接残差块神经网络的收发机译码方法，其特征在于，所述对所述前缀串行时域传输符号序列进行快速傅里叶变换和串并行转换，生成并行频域符号序列的步骤，包括：对所述前缀串行时域传输符号序列执行串并行转换操作，生成前缀并行时域传输符号序列；

剔除所述前缀并行时域传输符号序列中的预置循环前缀，确定并行时域传输符号序列，并对所述并行时域传输符号序列进行快速傅里叶变换，生成并行频域符号序列。

4.根据权利要求1所述的基于全连接残差块神经网络的收发机译码方法，其特征在于，所述全连接网络包括输入层、级联的三个隐藏层和输出层；所述通过所述全连接网络对所述频域排列符号序列进行特征变换提取，生成信道冲激响应序列的步骤，包括：通过所述级联的三个隐藏层对所述输入层接收到的所述频域排列符号序列进行非线性变换和特征提取，生成信道特征序列；

对所述信道特征序列进行复数转换，确定信道冲激响应序列；

通过所述输出层对所述信道冲激响应序列进行输出。

5.根据权利要求1所述的基于全连接残差块神经网络的收发机译码方法，其特征在于，所述分组卷积残差神经网络包括级联的十一个分组卷积残差块、第一卷积层、第二卷积层和回归层；所述采用所述分组卷积残差神经网络对所述三维矩阵进行特征评估，输出软解调信息的步骤，包括：采用所述第一卷积层对所述三维矩阵进行卷积运算，输出多个第一矩阵特征图；

通过所述级联的十一个分组卷积残差块对各所述第一矩阵特征图分别进行深度特征提取，生成各所述第一矩阵特征图对应的残差特征图；

将各所述残差特征图输入至所述第二卷积层分别进行卷积运算，生成各所述残差特征图对应的第二矩阵特征图；

采用所述回归层对各所述第二矩阵特征图进行信息评估，输出软解调信息。

6.根据权利要求5所述的基于全连接残差块神经网络的收发机译码方法，其特征在于，所述分组卷积残差块包括批量归一化层、激活函数层、分组卷积层；所述分组卷积残差块的图像处理步骤，包括：将输入分组卷积残差块的矩阵输入特征图通过批量归一化层进行归一化，生成第一归一化特征图；

采用激活函数层对所述第一归一化特征图非线性映射，输出第一映射特征图；

通过分组卷积层对所述第一映射特征图进行分组卷积，输出第一卷积特征图；

通过批量归一化层对所述第一卷积特征图进行归一化，生成第二归一化特征图；

采用激活函数层对所述第二归一化特征图非线性映射，输出第二映射特征图；

通过分组卷积层对所述第二映射特征图进行分组卷积，输出第二卷积特征图；

对所述第二卷积特征图和所述矩阵输入特征图进行叠加，输出矩阵输出特征图。

7.根据权利要求1所述的基于全连接残差块神经网络的收发机译码方法，其特征在于，所述比特交织译码器包括比特解交织器和原模图低密度奇偶校验译码器；所述通过所述比特交织译码器对所述软解调信息进行交织译码，确定译码比特序列的步骤，包括：采用所述比特解交织器对所述软解调信息进行重排序，生成重排序解调信息；

通过所述原模图低密度奇偶校验译码器对所述重排序解调信息进行译码，确定译码比特序列。

8.一种基于全连接残差块神经网络的收发机译码系统，其特征在于，所述收发机包括发射机、信道、全连接残差块神经网络解调器和比特交织译码器，所述系统包括：获取模块，用于获取信息比特序列，采用所述发射机对所述信息比特序列进行编码转换，生成前缀串行时域多载波符号序列；

输出模块，用于通过所述信道对所述前缀串行时域多载波符号序列进行干扰，输出前缀串行时域传输符号序列；

生成模块，用于对所述前缀串行时域传输符号序列进行快速傅里叶变换和串并行转换，生成并行频域符号序列；

解调模块，用于采用所述全连接残差块神经网络解调器对所述并行频域符号序列进行解调，输出软解调信息；

交织译码模块，用于通过所述比特交织译码器对所述软解调信息进行交织译码，确定译码比特序列；

所述全连接残差块神经网络解调器包括全连接网络和分组卷积残差神经网络；所述解调模块，包括：第一子模块，用于对所述并行频域符号序列进行顺序排列，确定频域排列符号序列；

第二子模块，用于通过所述全连接网络对所述频域排列符号序列进行特征变换提取，生成信道冲激响应序列；

第三子模块，用于对所述信道冲激响应序列进行快速傅里叶变换，生成信道频域响应序列；

第四子模块，用于提取所述并行频域符号序列中的传输映射符号序列，并对所述信道频域响应序列和所述传输映射符号序列进行并行排列，确定多个并行符号数据；

第五子模块，采用多个所述并行符号数据，构建三维矩阵，并采用所述分组卷积残差神经网络对所述三维矩阵进行特征评估，输出软解调信息。

9.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1‑7任一项所述的基于全连接残差块神经网络的收发机译码方法的步骤。