在频分双工(frequency division duplex, FDD)大规模多输入多输出(multiple input multiple output, MIMO)系统中，针对目前基于深度学习的信道状态信息(channel state information, CSI)反馈方法，其压缩率固定及FDD反馈链路存在不对称问题，提出一种基于可变压缩率与去噪神经网络的CSI反馈方法。该方法采用自编码器结构，在用户端使用固定压缩率的编码器对CSI进行压缩，随后通过反馈约束来限制反馈码字长度，当基站端接收到反馈码字后通过反馈约束对码字进行零填充，使用去噪单元对其去噪，再使用解码器将去噪后的码字重建为CSI矩阵。在簇延时线(clustered delay line, CDL)信道环境中仿真。实验结果表明，所提方法较CsiNet可减少约48%的存储开销，且能有效抑制反馈误差对信道状态信息重建造成的影响。