近年随着计算机科学的快速发展,态势感知技术取得了显著进步,主要体现在出现了许多以机器学习技术为基础的态势感知模型。但随着人因工程、认知科学的重新兴起以及人们深度学习、大数据等技术的反思。这些模型通常忽略了对被试的心理模型、认知过程等主观因素。将主观量表数据与客观传感器数据进行融合、建模和测量,对态势感知模型的研究具有重要意义。本文对态势感知测量技术、态势感知相关理论模型以及态势感知技术的应用进行了系统的整理。并基于在态势感知模型研究上的相关工作提出了一个以Endsley的态势感知三级模型、Wickens的注意力-态势感知模型为基础的主客观数据融合的态势感知模型,并设计了实验来采集相关数据。其中主观数据的获取主要是通过传统态势感知量表如SART量表、SPAM量表等,客观数据的获取主要是通过眼动追踪系统所记录的被试的注视点变化情况以及通过皮电传感器获取的被试的皮电变化情况。之后将主客观数据在特征层进行融合作为输入被试的绩效作为输出,来训练一个改进的马尔可夫随机场。最后将训练好的模型对态势感知水平的评价效果与传统的量表评价的效果进行了对比,发现该模型对态势感知水平评价的准确率高于传统的量表评价。根据Wickens的注意力-态势感知模型提出的显著性、价值性两个概念,本文通过实验探究了显著性、价值性对态势感知的影响,并尝试借鉴休谟问题中的哲学思想初步探讨了显著性与价值性在态势感知中的实际意义以及是否可以相互转化。