在证据理论证据融合的研究中，相关证据融合的研究是一个很重要的方向，证据理论是一种不确定性推理方法，相关证据的融合是证据融合的一个重要推广，对比两者处理证据的条件不同.证据理论在处理证据合成的时候强调的是证据之间的相互独立性，而实际情况中收集到的证据往往具有某种程度的相关性，此时用证据理论对其结果进行合成将会产生超估计，即不再适用证据理论.论文针对证据理论的这一不足，通过对相关证据的结构进行研究，给出了基于可分离mass函数的合成方法.论文最后对任意结构的mass函数给出了一个近似逼近的算法，使得证据融合变得可能.首先，论文介绍了基于可分离mass函数的相关证据的融合方法的研究背景和意义，简述证据理论研究现状.其次，论文介绍了证据理论和证据合成方面的相关知识，以及本文要解决的基本问题.再次，论文针对证据理论合成证据时要求证据独立性要求的局限性，提出了基于可分离mass函数相关证据的合成方法，给出了在不同决策主义下识别相关部分的算法，通过实例进一步验证了证据理论研究证据合成的优越性.然后，论文针对了一类特殊的可分离mass函数的相关证据合成方法.讲述了任一可分离mass函数分解成单点集焦元的简单mass函数分解法则.最后，论文在任一mass函数的相关证据合成时，先给出了证据函数的可分离逼近方法，再根据可分离mass函数的准则对相关证据进行合成.有效得解决了相关证据合成的各种类型.