技术特征：
1.一种mu-mimo波束重叠的优化方法，包括：当各第二通信设备对应的原信道矩阵之间的相关度大于预设阈值时，根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵；将各所述新信道矩阵发送至对应的第二通信设备。2.如权利要求1所述的mu-mimo波束重叠的优化方法，其特征在于，所述根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵，包括：根据预设偏转角为各所述第二通信设备的发射天线生成对应的空间映射矩阵；利用生成的各空间映射矩阵对各所述第二通信设备的原信道矩阵进行变换，得到各新信道矩阵。3.如权利要求1所述的mu-mimo波束重叠的优化方法，其特征在于，所述将各所述新信道矩阵发送至对应的第二通信设备之后，还包括：对各所述新信道矩阵进行奇异值分解，计算出各预编码矩阵；根据各所述预编码矩阵生成各mu-mimo数据报文，将各所述mu-mimo数据报文发送至对应的第二通信设备。4.如权利要求1-3任一项所述的mu-mimo波束重叠的优化方法，其特征在于，所述根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵之前，还包括：向各所述第二通信设备分别发送探测报文；接收各所述第二通信设备发送的信道状态指示，所述信道状态指示包括第二通信设备的原信道矩阵；对各所述原信道矩阵之间的相关度进行计算，在相关度大于预设阈值时，确定各所述第二通信设备具有相似的多径环境。5.如权利要求1-3任一项所述的mu-mimo波束重叠的优化方法，其特征在于，所述根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵之前，还包括：获取各第二通信设备与第一通信设备设定的系统参数；将各所述系统参数输入至深度学习网络中，由所述深度学习网络输出各偏转角；所述根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵，包括：根据各所述偏转角对应调整各第二通信设备对应的原信道矩阵，得到新信道矩阵。6.如权利要求5所述的mu-mimo波束重叠的优化方法，其特征在于，所述深度学习网络包括卷积神经网络、循环神经网络或深度信念网络。7.一种mu-mimo波束重叠的优化方法，包括：接收第一通信设备发送的新信道矩阵；根据所述新信道矩阵进行解码，生成空间流数据。8.如权利要求7所述的mu-mimo波束重叠的优化方法，其特征在于，所述接收第一通信设备发送的新信道矩阵之前，还包括：接收所述第一通信设备发送的探测报文；发送信道状态指示至所述第一通信设备，所述信道状态指示包括第二通信设备的原信道矩阵。9.如权利要求7所述的mu-mimo波束重叠的优化方法，其特征在于，所述根据所述新信道矩阵进行解码，生成空间流数据之前，还包括：
接收第一通信设备发送的mu-mimo数据报文；所述根据所述新信道矩阵进行解码，生成空间流数据，包括：对所述新信道矩阵进行计算得到信道逆矩阵；根据标准接收机算法对所述信道逆矩阵进行计算，过滤除第二通信设备自身之外的其他第二通信设备的信号，生成空间流数据。10.一种mu-mimo波束重叠的优化方法，包括：当各第二通信设备对应的原信道矩阵之间的相关度大于预设阈值时，第一通信设备根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵，将各所述新信道矩阵发送至对应的第二通信设备；所述第二通信设备接收第一通信设备发送的新信道矩阵，根据所述新信道矩阵进行解码，生成空间流数据。11.一种第一通信设备，其特征在于，所述第一通信设备包括调整模块、第一发送模块；所述调整模块用于当各第二通信设备对应的原信道矩阵之间的相关度大于预设阈值时，根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵；所述第一发送模块用于将各所述新信道矩阵发送至对应的第二通信设备。12.一种第二通信设备，其特征在于，所述第二通信设备包括第二接收模块、解码模块；所述第二接收模块用于接收第二通信设备发送的新信道矩阵；所述解码模块用于根据所述新信道矩阵进行解码，生成空间流数据。13.一种系统，其特征在于，所述系统包括第一通信设备、至少两个第二通信设备；所述第一通信设备用于当各第二通信设备对应的原信道矩阵之间的相关度大于预设阈值时，根据预设偏转角调整各第二通信设备对应的原信道矩阵，得到新信道矩阵，将各所述新信道矩阵发送至对应的第二通信设备；所述第二通信设备用于接收第一通信设备发送的新信道矩阵，根据所述新信道矩阵进行解码，生成空间流数据。