随着物联网技术的发展,智能家居应运而生,越来越多的智能家居产品出现在消费者面前,但这些产品普遍上存在着一些共性:成本较高,信号传输不稳定,需重新布线比较复杂,智能化程度低。本论文针对现有的智能家居存在的这些问题的基础上,设计实现了一套基于电力载波的智能家居系统方案,并在这套硬件平台的基础上实现了一种对人的下一行为预测的研究。本论文研究了基于电力载波的智能家居预测算法,共三个部分,分别是行为数据采集部分、行为数据存储部分和行为预测算法部分。行为数据采集部分是基于电力载波的有线信号传输系统,使用KQ330电力载波模块搭载STC89C52系列单片机集成的电力载波信号采集模块,在不需要重新布线的情况下,通过家用220V电力线进行信号的传输,实现对家用电器状态信号即人的行为数据的采集,信号传输过程中稳定可靠,并且降低了整体开发成本。行为数据存储部分通过Oracle数据库的存储能力,设计了相应的数据库系统,将用户的历史动作以时间为节点和以场景为特征分成不同的样本存储到不同的表中,作为预测系统的训练样本。行为预测算法部分是在LZ78数据压缩编码算法的基础上,衍生出针对本系统的前向学习后向预测算法。前向学习算法的作用是将人的历史行为数据进行大量学习并生成动作词典,而后向预测算法则是通过查找词典中词的词频及计算其加权概率实现了对人的下一动作进行预测,由此验证了算法的可行性和高效性。综上所述,本系统不仅通过现有的电力载波降低了传输成本,解决了重新布线困难、信号传输不稳定的问题,而且通过智能预测算法实现了对人的下一行为预测,减少了人的劳动,提高了家居系统智能化程度,给用户的家居生活带来极大的便利。