我们通常把21世纪的今天称为信息时代，在这个信息爆炸的时代，有信息、有数据的地方，就会存在数据融合，信息无处不在，数据融合无处不在。数据融合技术的关键是算法。　　本文以数据融合为切入点，对数据融合方法和融合等级进行了研究并比较了它们的优缺点，决定使用决策级数据融合，具体的方法上采用D-S证据理论进行数据融合。在证据的合成方面为了尽量避免证据之间的冲突，对D-S证据理论进行了改进。主要研究内容包括:研究云模型和证据理论的相关理论知识、数据融合的基本知识，云模型中的云模型的概念、正向云模型、逆向云模型、X条件云，证据理论中的三个基本函数BPA、Bel、Pl，证据合成方法、改进的证据合成方法，数据融合领域的方法、数据融合的层次、权重的获取以及基于云模型和证据理论的数据融合方法。　　由于云模型是针对定性定量数据转化发展而来的方法，因而决策级的数据融合中的特征提取方面采用云模型。使用逆向云模型来进行数字特征的提取，使用X-条件云来产生量纲化的数据及单个证据的形成。权重的获取方面采用基于证据距离的主观权重方法，该方法本身是一种数据融合，简化了数据融合过程，且在实际的软件实现过程中能够实现很好地复用。同时，采用UML技术，设计了基于B/S结构的数据融合系统软件。通过理论分析、实例佐证了该方法的有效性其理论先进，方法有效，具有重要的理论意义和实用价值。