随着互联网信息技术的飞速发展,作为互联网的延伸,物联网利用传感、通信等技术实现人与物、物与物之间的万物互联,智能家居系统是物联网的典型应用,近年来也有着重大发展和突破。目前,绝大多数智能家居系统采用语音、手势、智能手机或者Web页面等控制方案,然而这些现有方案并不能真正有效地帮助到那些行动不便老年人或肢体残疾的残障人士。为解决上述问题,在这篇论文中,我们提出一种新的解决方案:基于深度学习的脑电意控智能家居系统。论文成果主要体现在三个方面。首先,传统的脑电信号处理方案是将数据的预处理和特征提取作为两个独立的处理步骤,为减少脑电信号处理中耗时的预处理和特征提取,进一步的提高脑电信号识别的准确度,本文提出一种基于深度学习模型的脑电波信息处理方案,该方案不需要耗时费力的数据预处理和凭经验的特征提取,能够精确的将运动想象脑电信号进行多元分类。其次,提出了一种服务于老年人或肢体残疾等残障人士的智能家居解决方案,将脑电意念控制与智能家居结合在一起。采集使用者特定状态下的脑电信号,然后利用深度学习的方法对脑电数据进行模型训练直至得到最优模型,而后将脑电控制信号输入至训练好的模型中,即可实现脑电意念对各项家居物品的智能控制。最后,本文设计了一套基于深度学习的脑电意控智能家居系统。在该系统中,实现了脑电信号对风扇、加湿器、灯光等设备的控制,验证了设计方案的可行性和实用性。