航电设备是现代化战斗机的重要组成部分。随着科学技术的迅猛发展,航电设备变得越来越复杂,传统意义上的故障诊断方法已经不能满足现实需求。信息融合技术能够综合多个信息源提供的冗余和互补信息,获得对被诊断对象全面、准确的信息,得到更精确的判断。本文将信息融合技术用于航电设备故障诊断研究中,构建了一种基于模糊神经网络和D-S证据理论决策融合的故障诊断方法。针对神经网络和模糊理论表现的不足性和互补性,信息融合特征级部分采用了结合两者优点的模糊神经网络结构。对于随着输入参量的增多,网络结构变得复杂而导致的网络泛化能力差的缺点,将聚类算法引入结构中,进行结构优化。采用一个实例进行故障诊断,通过与BP结构、RBF结构的比较,表明此种结构方法的学习速度快、诊断精度高。针对故障诊断的不确定性,信息融合决策级部分采用了D-S证据理论方法。对于证据理论中证据之间的高冲突情况下无法获得正确结果现象,提出了两级修改证据源的方法。第一级修改是在基本概率赋值的获取过程中,基于特征级输出各模式正确率的改进方法；第二级修改是对证据出现高冲突的情况,基于证据之间贴近度的修改方法。最后,用实例验证了该方法的有效性。为了进一步提高网络泛化能力,根据参数空间将一个大规模模糊神经网络划分为若干个小规模模糊神经网络。模糊神经网络可以解决D-S证据理论中基本概率赋值获取难的缺点,而证据理论可以综合多子模糊神经网络输出的冗余性,将两者综合起来使用,可以发挥各自的优点和长处。最后以航空电台为例,验证了多子模糊神经网络局部融合和D-S证据理论决策融合的诊断方法具有高的正确率和精确度。