1.一种基于WIFI手势识别的智能灯光操控方法，其特征在于，包括如下步骤：步骤S1，将WIFI所覆盖的区域进行网格划分，并将室内的灯具划分到对应的网格内；

步骤S2，获取WIFI的CSI信号，从CSI信号中提取出多普勒频移DFS组件，并对CSI信号进行预处理；

步骤S3，对预处理之后的CSI信号进行因子分析；

步骤S3的具体实现方式如下；

CSI信号 具有位置 ，这个WIFI信号样本的观测 表示成：其中，表示由WIFI信号所决定的手势信息，表示由WIFI信号所决定的位置信息，而表示这个信息相互影响的作用函数；用两个符号 和 来标记手势和位置，这样有：其中， 是表示手势的向量， 是表示位置的向量，因此，利用奇异值分解SVD对采集的WIFI信号样本的观测 进行求解，分解出手势信息 和位置信息 ，然后，将 和 拼接起来作为新的CSI信号；

步骤S4，定义智能灯光控制手势；

步骤S5，将新的CSI数据以及DFS 组件作为输入，基于时空神经网络模型进行手势和位置识别，得出手势类别和位置信息，其结果用5维向量表示，其中1至4维表示手势类别，采用one‑hot编码；最后一维表示位置信息，是一个整形数字，其范围为[n,网格个数]，n表示其位置落入第n个网格；

步骤S6，根据步骤S5得到的手势和位置识别结果，对相应网格区域的智能灯光进行控制。

2.如权利要求1所述的一种基于WIFI手势识别的智能灯光操控方法，其特征在于：步骤S1中，首先，根据室内户型图和面积大小对WIFI所覆盖的区域进行网格划分，然后，将室内的灯具按照与网格中心的距离远近对应到相应的网格内，保证每一个灯具有一个且只有一个网格与其对应，如果某个网格内有多个灯具对应，则将多余的灯具按照与其它网格中心距离的远近分配到没有灯具的网格中；最后，给每个网格编号，相当于每个灯具有一个位置编号。

3.如权利要求1所述的一种基于WIFI手势识别的智能灯光操控方法，其特征在于：步骤S2中，通过计算两个天线在同一网卡上的CSI共轭相乘，滤除带外噪声和准静态偏移量，去除随机偏移量，仅保留具有非零DFS的突出多径分量，完成DFS组件的抽取。

4.如权利要求1所述的一种基于WIFI手势识别的智能灯光操控方法，其特征在于：步骤S2中所述预处理包括离群点去除、插值、滤波、主成分分析以及小波变换，之后对子载波进行选取，作为预处理后的CSI特征。

5.如权利要求1所述的一种基于WIFI手势识别的智能灯光操控方法，其特征在于：步骤S5中，所述时空神经网络模型，使用CNN卷积神经网络对DFS和CSI 数据进行特征提取，之后使用两层全连接层得到多维向量，两层全连接层之间加一层 dropout 层来防止过度拟合；

最后输出的序列作为后续多个门控循环单元GRU层的输入序列进行时序建模，得到最终用于分类的多维向量，最后使用极限学习机ELM对手势和位置进行识别分类。

6.如权利要求1所述的一种基于WIFI手势识别的智能灯光操控方法，其特征在于：时空神经网络模型训练的损失函数包含手势类别损失和位置损失，手势类别损失函数采用交叉熵损失函数：其中 表示样本 的真实标签值， 表示样本 的预测概率值；

位置损失采用中心损失函数：

其中， 表示第 个样本的深度学习特征，通过时空神经网络模型获得， 表示第 个样本对应的类别； 表示 类的深度学习特征中心， 分别表示最后全连接层中的权值与偏置参数； 分别表示样本的最小批量数和类别的大小， 为平衡因子；

最终的损失函数为：

其中， 为权重因子。

7.如权利要求1所述的一种基于WIFI手势识别的智能灯光操控方法，其特征在于：步骤S6中采用唤醒动作识别的方式避免误识别问题；

如果识别的手势为开灯，且手势位置所在的网格内有灯，则进行开灯操作；

如果识别的手势为开灯，但手势位置所在的网格内没有灯，则忽略；

如果识别的手势为关灯，且手势位置所在的网格内有灯，则进行关灯操作；

如果识别的手势为关灯，且手势位置所在的网格内没有灯，但其它网格内有灯，则进行关灯操作；

如果识别的手势为关灯，但所有网格内都没有灯，则忽略。

8.一种基于WIFI手势识别的智能灯光操控装置，其特征在于，包括如下模块：网格划分模块，用于将WIFI所覆盖的区域进行网格划分，并将室内的灯具划分到对应的网格内；

预处理模块，用于获取WIFI的CSI信号，从CSI信号中提取出多普勒频移DFS组件，并对CSI信号进行预处理；因子分析模块，用于对预处理之后的CSI信号进行因子分析；具体实现方式如下；

CSI信号 具有位置 ，这个WIFI信号样本的观测 表示成：其中，表示由WIFI信号所决定的手势信息，表示由WIFI信号所决定的位置信息，而表示这个信息相互影响的作用函数；用两个符号 和 来标记手势和位置，这样有：其中， 是表示手势的向量， 是表示位置的向量，因此，利用奇异值分解SVD对采集的WIFI信号样本的观测 进行求解，分解出手势信息 和位置信息 ，然后，将 和 拼接起来作为新的CSI信号；

手势定义模块，用于定义智能灯光控制手势；

手势和位置识别模块，用于将新的CSI数据以及DFS 组件作为输入，基于时空神经网络模型进行手势和位置识别，得出手势类别和位置信息，其结果用5维向量表示，其中1至4维表示手势类别，采用one‑hot编码；最后一维表示位置信息，是一个整形数字，其范围为[n,网格个数]，n表示其位置落入第n个网格；

控制模块，用于根据得到的手势和位置识别结果，对相应网格区域的智能灯光进行控制。

9.如权利要求8所述的一种基于WIFI手势识别的智能灯光操控装置，其特征在于：手势和位置识别模块中，时空神经网络模型训练的损失函数包含手势类别损失和位置损失，手势类别损失函数采用交叉熵损失函数：其中 表示样本 的真实标签值， 表示样本 的预测概率值；

位置损失采用中心损失函数：

其中， 表示第 个样本的深度学习特征，通过时空神经网络模型获得， 表示第 个样本对应的类别； 表示 类的深度学习特征中心， 分别表示最后全连接层中的权值与偏置参数； 分别表示样本的最小批量数和类别的大小， 为平衡因子；

最终的损失函数为：

其中， 为权重因子。