测量信息论是由前苏联科学家在上世纪中叶提出来的,由于多种原因发展缓慢,近年来国内外许多学者纷纷关注测量信息论的研究课题,并取得了很多成果。本文是测量信息论研究的一个方面,以研究测量数据的误差处理为主要内容,研究了小样本测量数据和大样本测量数据的基于测量信息论的误差处理方法,并给出了应用案例。　　基于测量信息论的小样本误差处理研究,将顺序统计量、秩、平均秩以及信息熵的概念引入到误差处理理论中,通过顺序统计量和秩的分布来确定小样本数据的概率分布情况,进而取得样本数据的信息熵,并利用信息熵和展伸不确定度的函数关系建立的数学模型来获得展伸不确定度,进而判别粗大误差、处理随机误差和表示测量结果。　　基于测量信息论的大样本误差处理研究,主要根据最大熵原理与非线性优化理论,获取测量数据的概率密度函数,再利用概率密度函数求得信息熵,文中给出了两种处理大样本测量数据误差的方式:其一,类似小样本误差处理的方式根据信息熵与展伸不确定度之间的关系来处理粗大误差和随机误差并表示测量结果;其二,根据获得概率密度函数计算测量数据的标准差,并以此代替展伸不确定度来表示测量结果。　　文章最后还给出了大量的数据实例,进行实验验证,分别采用基于测量信息论的方法和传统的误差理论对测量数据进行处理,通过两种方法的比较来检验基于测量信息论方法处理测量数据的可行性和正确性。