中文摘要: 交通系统智能化水平提升亟需诸如人车识别检测基础数据支撑，基于无线感知技术构建人车识别方法成为近年来研究热点。然而，现存无线感知人车识别方法，普遍存在识别精度较低、识别算法复杂以及应用落地困难等问题。提出融合深度可分离卷积和注意力的轻量级无线感知人车识别模型，以深度学习为基础，研究基于信道状态信息（Channel State Information, CSI）的人车识别无线感知方法在交通检测领域的适用性。结果表明，所提模型在所构建的七分类数据集上获得了84.71%的准确率、0.0575秒的运行时间，模型占用内存大小为0.071M，较现有方法有明显优势。