普适计算的出现,改变了传统的计算模式,真正实现以人为中心,使人们从繁重的操作中解放出来,极大地提升了用户体验质量(Quality of Experience,QoE)。上下文感知技术作为其关键技术之一,能够自动“感知”所处环境的上下文信息并对其进行分析和处理,然后根据处理后的上下文信息做出相应的操作,从而实现预设的服务目标,并满足系统服务质量(Quality of Service,QoS)的要求。现有的上下文感知系统大多是面向特定的应用场景,为实现不同功能而存在的,其缺乏系统级的质量评估体系。另一方面,在上下文感知系统中,由于环境的高动态性、网络的延迟等因素的影响,采集设备的质量(Quality of Device,QoD)往往无法得到有效保障,导致获取的上下文信息通常存在不一致性等问题,同时上下文信息的质量(Quality of Context,QoC)降低,致使系统无法实现正确的推理,进而做出不恰当的决策。因此,实现对上下文不一致性的有效消除具有重要意义。本论文结合上下文感知系统的实际发展需求,研究面向上下文信息处理的QoX质量体系及不一致性消除算法,具体研究内容如下:(1)研究上下文感知系统中QoD、QoC、QoS和QoE质量指标,将其定义为层次化综合质量指标QoX,同时考虑各类上下文感知系统的特点,提出全新的面向上下文信息处理的QoX质量体系,直观地评估上下文感知系统性能的优劣。除此之外,研究QoX各个指标之间的层次化关系结构,将系统功能的实现转化为质量指标参数的交互,实现系统的自适应调节。(2)从通过提升上下文信息质量的衡量准确性来实现不一致性有效消除这一角度,首先定量分析上下文信息质量的衡量准确性对不一致性消除正确率的影响,提出高准确度的上下文信息整体质量(Overall Quality of Context,OQoC)指标,所提指标融合多个QoC参数,从传感器外部特点和上下文数据内在特点等多方位体现上下文信息的质量水平,侧面反映上下文信息的不一致程度。(3)针对上下文不一致性问题,在OQoC这一典型指标的基础上,面向不同的上下文信息,构建不同的Dempster-Shafer(D-S)理论的信度函数,提出基于OQoC指标和D-S理论相结合的上下文不一致性消除算法。以个人身份识别为应用场景,仿真实验从多个方面,验证所提算法在不一致性消除方面的有效性和稳定性。相比其他算法,所提算法具有高精度、实时反馈调节等优势。通过对上述内容的研究,不仅有效地解决了上下文不一致性问题,提高了上下文信息的质量,为后续的融合推理奠定了良好的基础,而且为各类上下文感知系统提供了综合性的质量评估手段和自适应优化方法,提升了上下文感知系统的整体性能,为上下文感知技术的深入发展及广泛应用提供了有力的理论支撑。