本发明涉及一种基于深度学习的信道状态信息特征提取方法及系统。该方法包括对信道状态信息进行滤波处理；将滤波处理后的信道状态信息按时序转换为各个空间流的幅度矩阵，并将各个空间流的幅度矩阵合并为三阶张量；根据三阶张量中的幅度矩阵得到结构化信息矩阵和波动数据矩阵以及确定关于时间分集的梯度矩阵和关于频率分集的梯度矩阵；根据结构化信息矩阵、波动数据矩阵、两个梯度矩阵确定四阶的模型驱动数据；根据所述四阶的模型驱动数据，基于3D卷积神经网络和门控循环单元网络框架，确定训练后的信道状态信息特征提取深度模型本发明能够精确提取特征与目标态势的映射关系，进而提高情景感知技术的整体性能。