计算机网络和多媒体技术的迅速发展推动E-Learning应用层出不穷，多传感的信息融合作为其中的重要支撑技术，近年来得到了研究者们的广泛关注，其涵盖了智能空间构建以及信息融合算法等多方面的内容。 就国内外目前的现有研究工作来看，智能空间的构建还处于为特定需求定制的阶段，模型化的研究刚刚起步，并没有一种公认的方法能够快速统一地构建出便于扩展和互联的智能空间；而智能空间中的信息隐藏机制往往是依赖于复杂的密码算法实现的，在实际应用中不够灵活。信息融合算法方面，大多数的融合算法不能够应对大规模的传感器数据，当传感器数目庞大时，融合的性能将明显下降。针对上述问题，本文主要从理论角度进行了尝试，并在理论研究的基础上设计实现了一个信息融合平台的原型系统——InfoIntegrator。 本文的具体工作如下： 1)研究并比较了智能空间的各种建模方法的优缺点。提出了基于面向对象思想的智能空间建模方法。该方法不仅可以尽可能地复用各种已有系统，而且面向对象的封装性也有利于实现智能空间中的不同级别的信息隐藏需求。本文采用类的继承机制实现了智能空间的扩展，采用智能空间列表来实现不同智能空间之间的互联。使用面向对象的智能空间建模方法，可以在现有系统的基础上，快速地构建起具有统一接口，统一外部行为特征的空间各个组成元素，从而提高构建智能空间的效率。 2)研究了现有的各种多传感器信息融合算法。提出了结合粗糙集和神经网络的多传感器信息融合算法。该算法运用粗糙集理论对传感器信息输入进行约简，将约简后的信息作为神经网络的输入，通过减少神经网络的信息处理量来提高神经网络的总体性能。结合粗糙集理论和神经网络的多传感器信息融合算法不仅充分利用了神经网络算法的实用性，而且通过粗糙集约简避免了传感器信息量过大对神经网络算法造成的性能下降。 3)设计了基于面向对象思想的信息融合平台InfoIntegrator原型系统。根据本文提出的基于面向对象的智能空间建模方法，面向上海交通大学的智能空间标准自然教室SNC的具体应用，建立了一个多传感器信息融合的平台，使得不同的传感器系统之间可以透明化的通信。 上述工作已申请相关专利2项，并在国内的核心期刊在发表论文若干。