多传感器数据融合技术相比于单一传感器具有更好的容错性、互补性以及高可靠性,因此在军事和民用上得到广泛的应用。作为多传感器数据融合技术的一个分支,Dempster-Shafer（DS）证据理论以其在不确定信息表示和处理方面的突出优势得到专家学者的广泛关注。然而随着研究的深入,应用DS证据理论进行多传感器数据融合时仍存在一些问题,如不确定信息建模、冲突的衡量以及冲突基本概率指派（Basic Probability Assignment,BPA或者证据）函数融合、时域BPA函数的实时和序贯性融合等等。这些问题制约着DS证据理论的发展,因此本文以DS证据理论框架为基础,结合区间数理论,以置信Hellinger距离、信度熵、可信度衰减模型等为技术手段,设计了基于区间数距离和模型可靠性的BPA函数生成策略,改进了冲突BPA函数融合的加权平均策略和时域BPA函数融合中可信度衰减的自适应处理策略,实现了基于DS证据理论的多传感器数据空域和时域场景的融合目的。本文的主要贡献如下:针对如何将现实中的客观数据转化为DS证据理论框架中的BPA函数问题,提出一种基于区间数距离和模型可靠性的BPA函数构造方法。首先,引入区间数的思想,利用属性数据构建属性的区间数模型;其次,引入区间数距离计算属性数据与属性模型之间的区间数距离,并将其转化为初始基本概率指派（IBPA）函数;最后,从模型的静态可靠性和动态可靠性两个角度对IBPA函数进行修正,得到最终BPA函数。仿真结果表明,本文提出的BPA函数构造方法充分利用原始数据包含的信息,能够有效的对信息进行表征,具有更高的精度和抗干扰能力。针对冲突系数无法有效衡量BPA函数之间的冲突程度以及冲突BPA函数融合出现反直观问题,提出一种基于置信Hellinger距离和信度熵的加权冲突BPA函数融合方法。首先,将置信Hellinger距离与概率转换函数结合来衡量BPA函数之间的冲突程度;其次,在邓熵的基础上,综合考虑多子集命题的比重和辨识框架的尺度定义新的信度熵量化BPA函数的信息量;接着,将BPA函数的冲突程度和信息量结合构造权重系数对BPA函数进行加权平均;最后,通过Dempster组合规则进行融合。仿真结果表明,本文提出的方法既可以有效衡量BPA函数之间的冲突程度,也可以有效地解决冲突BPA函数融合中的反直观问题,与其他方法相比,所提出的方法具有更高的收敛速度和更高的融合信度,更有利于后续决策。针对时域BPA函数融合中可信度衰减模型抗干扰能力差的问题,提出一种基于自适应处理策略的时域BPA函数融合方法。首先,充分利用历史时刻的累积BPA函数信息预测当前时刻的BPA函数信息;其次,通过相关系数判断预测BPA函数与真实BPA函数之间的差异,并对真实BPA函数进行失真判别;接着,结合可信度衰减模型,通过自适应处理策略合理分配历史时刻BPA函数和当前时刻BPA函数信息的实时可靠度;然后,通过实时可靠度对历史时刻BPA函数和当前时刻BPA函数信息进行折扣;最后,利用Dempster组合规则进行时域BPA函数的序贯融合。仿真结果表明,本文提出的方法具有更好的鲁棒性和抗干扰能力,融合过程满足时域BPA函数的实时和序贯性融合特点。