随着信息技术不断蓬勃发展与迭代更新,人类正在经历从万物互联过渡为万物智联的时代行程,同时与之共生的多源数据正已爆炸式的速度增长。层出不穷的数据源代表更多的不确定信息、计算资源与时间成本。基于证据理论的信息融合技术作为解决不确定性问题的重要基础受到广泛关注,其在军事、航天、医疗等多方面提供着预测与决策的理论支撑与技术支持。传统的Dempster-Shafer证据理论关注于单数值信息,然而信息也能以区间形式表达。因此如何充分有效地利用区间信息是当下信息融合领域中不可忽视的问题。基于Dempster-Shafer证据理论的方法在处理随机不确定表示和主观不确定性的证据问题时拥有良好表现。相较于传统概率方法,Dempster-Shafer证据理论能在缺乏先验概率信息的情形下进行不确定推理与决策。因此该理论成为多源信息融合的重要工具。然而Dempster-Shafer证据理论依然存在许多问题尚待解决。例如基本概率指派函数（Basic Probability Assignment,BPA）的生成、区间证据融合以及区间证据冲突的处理。为此,本文基于区间信息提出新的BPA生成方法与区间证据融合方法,主要研究工作与贡献如下:1、提出基于黄金法则修正的区间数BPA生成方法。该方法通过构建样本信息的区间数模型,采用区间值计算信息与模型的距离,利用距离相似度在归一化后生成BPA。经Dempster证据融合后得到最终结果。在计算区间数距离时提出黄金法则修正的区间距离计算方法,该方法充分考虑区间数的上下界及区间宽度,克服以往方法在相似区间距离难分离的问题。2、针对传统区间证据融合时存在复杂度高、信息易丢失、受融合顺序影响严重等问题,提出一种基于直觉模糊化的区间证据融合方法。该方法首先将区间证据和直觉模糊集建立相互映射关系,利用直觉模糊集运算的方法间接实现区间的证据融合;提出基于区间证据的加权信息平均方法计算区间证据距离,由相似度计算对证据的支持程度与可信程度,以此修正原始区间证据,解决了区间证据的冲突问题。算例与实验表明,该方法在区间证据融合的方面具有优秀的决策性和良好的鲁棒性。本文首先通过构建不同算例给出详细实现步骤,将所提出区间数BPA生成方法运用在相应的算例及公共数据集上,通过对比实验证明本文BPA生成方法的可行性与有效性;考虑到区间证据冲突问题,设计多组算例与实验验证本文证据融合方法。结果表明,本文融合方法适用于各种情形下的区间证据融合与决策,且融合后区间宽度小、结果更聚焦。