本文主要研究基于信任函数理论的不确定性信息融合技术。随着现代科技的发展,各种信息源提供的信息呈爆炸式增长,但这些信息大多是不确定的,甚至不乏欺骗、干扰信息的存在。信任函数理论在不确定信息的表示与推理方面具有明显优势,被广泛应用于信息融合领域。但经典的信任函数理论(即Dempster-Shafer理论)至今还存在一些争论,尤其对高冲突证据的组合会产生不合理的结果。许多学者针对此问题进行了研究,基本上可以分为两派:一派认为经典组合规则对冲突分配不合理,因此主张修改Dempster组合规则;而另一派则认为组合规则本身是不存在问题的,产生不合理的结果主要是由于信源所提供的不可靠证据所导致,所以主张修改不可靠的证据。本文主要研究了证据间冲突大小的度量、高冲突证据的组合方法以及不可靠证据的评估与组合等问题。首先对证据间的冲突大小问题进行研究,在总结分析了现有几类冲突度量方法之后,结合M. Daniel对冲突的分析,提出一种广义证据冲突度量方法。该度量方法不仅涵盖了组合中赋予空集的信质,还将潜在冲突纳入度量范围。从比较分析中可以看出该度量方法的合理性与有效性。随后在对几类典型组合规则进行总结分析后,指出了一个好的组合规则所应该满足的一些基本性质,并结合之前的广义冲突度量,基于全局冲突按比例重分配的思想提出了一种改进型组合规则。该组合规则满足交换律,通过一个简单算法可以使得其满足准结合律性质,而且可以较好地解决冲突证据的组合和“焦元基模糊”等悖论。当组合的证据增多时,组合结果趋近于统计平均的结果。仿真比较可以看出新组合规则克服了由经典组合规则所引起的悖论。最后对不可靠证据的评估与组合问题进行了研究,在决策层融合目标识别的应用背景下,对可靠性相异的证据组合提出了一种新的融合目标识别算法。该算法将静态与动态信息相结合,修改证据模型后采用Dempster组合规则进行融合目标识别,仿真结果表明了该算法的有效性。