随着复杂系统的复杂程度不断提高,针对复杂系统的性能评估已经成为系统整体研发流程中的重要环节。由于复杂系统的研制周期长、试验费用高,导致系统无法进行大规模的实际性能测试,使得真实的试验数据呈现出小子样的特征。同时随着计算机仿真技术的不断发展,在复杂系统性能评估中可利用的仿真数据呈现出多种来源的特征。因此,针对多源小子样试验数据,开展了对系统性能评估方法的研究,为多源小子样试验数据的性能评估提供方法和工具方面的支撑。首先,针对多源验前信息进行了研究。根据不同分类标准对验前信息进行了分类,给出了不同类型验前信息的表示方法,对验前信息的预处理方法进行了研究,针对传统Bootstrap方法的局限性进行了相应改进,提出了一种改进Bootstrap方法,能够在一定程度上扩展样本范围,避免了传统Bootstrap方法抽样样本局限于原始样本的不足。针对多源先验分布的融合,提出了一种基于Kullback-Leibler散度的先验分布加权赋权方法,可以有效整合验前信息。其次,根据Bayes理论推导了后验分布权重与先验分布权重之间的关系,分析了使用马尔科夫链蒙特卡洛方法对融合后验分布进行参数估计时,不同建议分布函数对马尔科夫链构造结果和抽样效率的影响。提出了一种建议分布的自适应构造方法,能够有效降低人为因素对建议分布的影响,提高了MCMC方法对后验分布进行参数估计的抽样效率。最后,设计并编写了性能评估辅助工具,使用三层架构模型对软件进行了架构设计,具有结构规范、耦合度低、扩展性强等特点。软件包括评估对象和评估指标的管理、指标评估及综合和评估报告的生成功能,支持版本控制、日志管理、配置文件读取等特性,提高了工作效率及自动化程度。通过某复杂系统性能评估实例进行应用验证,说明了该软件的有效性与实用性。