随着物联网技术的兴起,物与物之间的交互变得十分重要,要求设备也要像人类那样具备情境感知的能力。情境感知计算简单说就是通过传感器及其相关技术使计算机或设备能够“感知”到当前的情境,这样会让计算机看起来更加智能,因此也使设备之间交互起来更加的方便。情境感知计算得到了很大的关注,但现有的情境感知模型多是根据特定的应用提出,情境感知计算还没有一个统一的架构模型。数据融合技术是情境感知计算中十分重要的一个环节,因为由传感器采集的数据往往是冗余的、不确定的、异构的,这些数据不能直接被情境感知系统使用。面向情境感知的数据融合不仅仅只是消除传感器的冗余数据,还需要把这些杂乱的数据融合成一定的情境信息片,并根据应用的需要,把这些情境信息片融合成更高级别的情境信息。面向情境感知的数据融合研究的主要内容是在情境感知计算模型中,通过对传统数据融合方法的改进,使之能够更好地满足情境感知计算的要求。本文对面向情境感知的数据融合方法进行了研究。论文综述了情境、情境感知和数据融合的概念;分析了数据融合技术在情境感知计算中的主要作用和传统的情境感知模型,重点分析了Context Toolkit模型的优缺点;针对Context Toolkit模型缺少数据融合层的不足,提出一种改进的模型,引入了分层的数据融合方法;把数据融合分为低层融合和高层融合,在低层融合中运用模糊逻辑和动态贝叶斯网络将传感器的原始数据融合成带有一定语义的信息片,在高层融合中使用基于规则的推理方法将低级融合后的不确定性信息进行进一步的融合,消除其不确定性,得到精确的推断信息。为了验证研究结果的有效性,本文设计了一个基于Android智能手机的老人监护系统,将所提出的模型和方法用于其中进行实验,实验结果表明:本文提出的改进模型和数据融合方法是有效和实用的。论文在面向情境感知的数据融合方面做了有益的研究工作。