随着物联网等技术的发展及人们生活水平的提高,传统家居逐渐向智能家居方向演变。由于智能手机的普及,当前的智能家居系统普遍以“手机APP远程控制家电设备”的模式。但这种模式过分依赖于手机,且存在智能化不足等缺点。本文围绕如何提高智能家居系统智能化程度的问题展开研究,在比较了传统智能家居系统优劣的基础上,设计了一种基于MTK ARM和ZigBee技术的采用神经网络使其具有学习特性的智能家居控制系统。通过运用神经网络控制家电设备,提高了智能家居控制系统的智能性；并针对传统智能家居控制系统中WiFi网络不稳定问题,通过增加主控模块中GPRS网络通信功能,提高了系统的稳定性。根据设计的系统方案,完成了相应的系统硬件模块设计,包括以MT6260D为核心芯片的主控模块电路设计、PCB制板、电路板调试以及ZigBee模块和相应的底层传感器的设计与调试。通过对具有学习特性算法进行分析研究,采用RBF神经网络算法对空调、智能灯泡和智能插座三种家电设备的控制进行了建模、仿真,并将RBF神经网络算法移植到了主控模块中。在软件上,完成了包括以MTK为开发平台的主控模块软件设计、以VS2008为开发平台的服务器软件设计及以Android为系统的手机APP软件设计等。最后,对整个系统的软硬件模块进行了调试,通过用户的实际使用情况测试,验证了系统具有学习特性等功能,从而表明了系统方案的实用性。