目前，应用在智能家居系统中的技术包括通信/物联网技术、传感与控制技术、语音语义识别技术、图像识别技术、云计算与边缘计算技术等。

（1） 通信/物联网技术

物联网技术是智能家居系统最基础的部分，每一种智能家居产品都需要通过家庭智能网关相互连接。智能网关是智能家居系统的控制核心，应用技术包括互联网技术、总线通信技术、广域/局域网技术、射频通信技术等。目前，智能家居系统中所应用的技术标准种类繁多，包括CEBus、Havi、HomePNA、ZigBee、RS485等[16，17]。种类繁多的通信技术标准也给智能家居产品的通用性和推广带来了困难。

（2） 传感与控制技术

智能家居的传感与控制技术主要应用在家居内部光照、温度和湿度等环境参数的控制上。传感方面包括温/湿度传感器、雨滴传感器、风力传感器、气压传感器、人体心率传感器、光强度传感器等，将室内温度和湿度、室外温度和湿度、天气状况、人体生理状态等数据通过家居联网输入控制器，用以对室内空调、加湿器、窗户、晾衣架、灯光、电风扇等智能家居产品进行智能调节，保证住户在健康、适宜的环境下进行家居生活[18，19]。

此外，在光照、温度、湿度的基本家居环境要求的基础上，刘剑飞[14]提出了家居“五恒”系统。除了恒温恒湿，刘剑飞还在研究中加入了恒氧、恒净、恒洁的标准，对家居环境的含氧量、空气污染物、微生物等方面提出了进一步的要求。

（3） 语音语义识别技术

语音语义识别是让智能设备能听懂人类的语音，本质是一种基于语音特征参数的模式识别，利用一部分自然语言处理技术，让系统把输入的语音按识别模式区分，进而通过判定准则获得最佳的匹配效果。智能家居的语音识别模块包括语音识别器、自然语言解析器、问题求解器，搭载语音交互功能的产品还包括语言生成器、语言合成器和对话管理器[20~24]。其中，对住户的话语进行理解的自然语言处理（Natural Language Processing, NLP）是最难以实现的。

自然语言理解所依靠的是语义模型的建立和应用，语义模型则具有高度的社会属性。为此，王飞跃[25，26]在平行应急管理系统中提出了基于人工社会的语义BDI智能体结构，在原有BDI智能体结构的基础上添加了语义生成器、语义推理机和语义解释器等构件。其中，语义生成器将感知信息（如语音、环境参数、用户身体状态等）转换为语义描述信息，输出新的信念和外部事件。外部事件促使新目标的产生,以及对已存在目标的追求；语义推理机查询目标集和信念集，理解目标和信念的语义描述，根据计划选择函数进行推理，从计划集中确定目标计划；语义解释器对目标计划进行解释，并将解释后的子行为和子目标传递给执行器执行。

当前，智能家居语音语义识别技术的应用遇到的主要困难在于——几乎每个用户使用的语言习惯都不同，并且在家庭生活中往往是由官方语言夹杂本地语言进行交流的。这给语音语义识别系统快速、正确地反应带来了一定的困难。

（4） 图像识别技术

在智能家居系统中，图像识别技术的应用集中在居家安全方面，包括基于人脸识别的门禁监控防盗系统，以及家居监控防灾系统上。图像识别技术的主要工作原理是通过对监视摄像头所得图像信息的采集，与数据库中的图像进行比对，对访客身份、事故发生位置、类型、严重程度等信息进行识别[27，28]。

（5） 云计算与边缘计算技术

云计算是通过计算机网络的强大连接能力，将电脑和服务器在数据中心汇集共同计算，使智能家居系统在算力和存储能力方面得到保障与进化。云计算在智能家居系统中的应用意义在于数据的集中化和管理的智能化。然而，其中的问题在于：1）对于用户隐私数据的保护还不够；2）云端本身带宽和算力上的负荷使得难以对家居场景实现快速响应。

为了解决云计算在智能家居应用中的现存问题，本文在云计算的基础上加入了边缘计算。边缘计算的概念兴起于2016年，是为了解决集中式云计算在处理海量数据时所遇到的带宽和算力问题，降低云端的负荷，将数据资料、应用程序与服务的运算由网络逻辑上的中心节点移至边缘节点，使之更加靠近用户终端的新型计算模型[29，30]。通过在云计算网络中加入边缘计算，可以有效加快资料的传输与处理速度，提高系统的响应能力。除此之外，通过边缘节点进行数据处理，相比于单纯使用云计算可以更有效地保证用户的数据安全及隐私问题。一方面，用户对数据管理有更多的自主权；另一方面，智能家居系统场景应用可以更加贴近用户个人的需求。