随着科学技术的迅速发展和人们生活水平的提高，家居设备越来越多，也越来越先进，智能家居概念也随之走进了人们的生活。在智能家居环境下，火灾监测是必不可少的一项工作。但目前国内外许多火灾监测的研究都侧重于大型场所，因此开发一种经济实用、高效准确的智能家居火灾监测系统具有很重要的现实意义。智能家居火灾监测系统的目的在于监测火灾的发生，关键在于实时性和准确性，这样才能有效的减少生命和财产的损失。目前的火灾监测系统基本都采用单一的烟雾传感器探测方法，这种方法虽然可以探测出火灾的发生，但是却存在很高的误报率，比如厨房烟雾、吸烟等都会引起报警。本文为了提高监测的准确性和时实性，采用了三种传感器，即温度传感器、烟雾传感器和CO气体传感器采集数据，利用模糊神经网络的算法对三个传感器采集的信息进行融合分类，最终得出是否发生火灾的决策。本文研究的基于模糊神经网络的智能家居火灾检测系统取得了初步的进展，用单片机作为主控器，数据传输采用CC2530F256无线模块，通过其自带的8051微处理器对数据进行分析和融合，通过GSM网络把得到的结果以短信的方式发送到特定的手机上。论文对相关的技术和理论进行了深入分析和研究，主要包括火灾探测技术、多传感器信息融合技术、模糊系统和神经网络和ZigBee无线通讯技术等；对智能家居火灾监测系统进行了硬件结构设计，主要包括主控器和火灾探测器；对智能家居火灾监测系统算法进行了设计，结合融合算法利用模糊神经网络作为本系统的建模算法；最后通过对火灾样本数据学习和训练，在特定家居环境下进行了仿真测试，并总结和评价仿真测试结果，提出对本研究的进一步完善和改进。