近年来，由于生活水平的提高和社会节奏的加快，人们对医疗保健也有了更高的期望。通过融合人体体表信息来监测人的健康状况成为生物医学领域研究的重点之一。数据融合是一种新兴的信息处理技术，虽然近几十年来发展迅速，但仍是一个未成熟的领域，有许多问题亟需解决。 论文首先阐述了数据融合的原理、定义、结构模型和应用，介绍了数据融合的常用理论，如D-S证据理论和模糊神经网络等。基于互补思想，将模糊理论、神经网络、D-S证据理论三者结合起来引入数据融合中，构造了模糊神经网络和D-S证据理论相结合的人体体表信息融合系统。论文的主要研究内容如下： (1)提出了一种新的传感器数据支持矩阵的确定方法，并通过数据验证了该方法的优越性。 (2)针对D-S证据理论的组合公式存在的不足，提出了对证据的优化方法和证据理论组合公式的改进方法。 (3)提出了基于模糊理论和支持向量机的模糊化样本的球分类方法。 (4)将模糊神经网络和D-S证据理论方法结合起来，提出了模糊神经网络和D-S证据理论方法相结合的人体信息融合方法。 模糊神经网络和D-S证据理论是处理不确定和模糊信息的有效方法，通过具体数据计算，验证了把二者结合起来处理人体复杂信息是十分理想的。