随着各类智能信息系统出现,其中信息融合技术的作用也更加凸显。在传感器广泛应用于各类复杂或者极端或者未知场景的同时,传感器数据的精度和可靠性也受到了更大的影响。因此如何处理这些精度不准确,可靠性未知的信息并从中获取有用且直观的信息成了研究者们需要解决的难题。证据理论正是处理这类不确定性推理的优良工具,但是其在合成高冲突证据时往往得到与事实相悖的结果,针对这个问题,深入分析可知,未知命题的存在和证据本身的问题是两个可能的原因。为处理好这两个原因从而得到更好的合成结果,本文结合信息论与证据理论,提出一种基于信息熵、冲突度和先验知识的识别框架预处理法以及基于开放识别框架的信息融合方法。研究内容主要包括以下三个方面:(1)提出一种基于信息熵、冲突度和先验知识的识别框架预处理方法。针对证据高度冲突的情况,考虑到识别框架存在问题的可能性,首先,基于开放世界假设理论引入开放识别框架和未知命题;然后分析证据的信息熵、证据间的冲突度、先验知识和未知命题的关系得出方程组;最后解方程组得到未知命题的基本概率分配函数,从而进一步计算出开放识别框架下新的基本概率分配函数,并通过正反实例分析对比验证了其有效性。(2)提出一种基于开放识别框架证据理论的证据融合方法。针对证据高度冲突的情况,考虑到证据本身存在的问题的可能性。首先,定义证据间的可信度,具体步骤是基于Jousselme距离定义证据间的相似度,由相似度进一步定义证据间的支持度,将支持度归一化定义证据间可信度,其次,定义证据本身的确定性程度,然后综合二者正则化定义综合可信度并以此为权重计算预处理过后的识别框架下的加权平均证据;最后利用D-S组合规则对加权平均证据进行多次合成。经过以上处理后,本文融合规则即继承了 D-S组合规则的完备数学性质也综合考虑了引发证据高冲的两个原因。(3)通过交叉对比开放世界假设下和完备世界假设下的方法对具有不同特征类型的数据的处理能力,实验结果表明本文提出的融合方法有效解决了高冲突证据的融合问题,且具有优良的兼容性。