多源信息融合技术源于早期的军事应用,该技术能够把多个不同信息源收集的不完整信息进行综合加工和处理,使各信息之间优势互补,从而削弱信息源包含的不确定成份,刻画出对系统环境相对全面的一致性描述过程。这个过程能够支持和帮助人们完成某种决策,进一步深层次的感知信息的完整内涵,最终完成对某种态势或行为的精确预测。本文在研究多传感器信息融合的基本理论及典型的信息融合方法的基础上,把Dempster-Shafe证据理论的信息融合方法和Fuzzy set理论的信息融合方法作为核心探讨内容。针对Dempster-Shafe证据理论的冲突问题,引入证据提供的信息容量概念,求出每条证据信息容量的大小,然后对其适当归一化处理;再结合“支持证据冲突的概率按各个命题的平均支持程度加权进行分配”的原则,获取证据对各焦元的平均支持度。得到一种修正的D-S合成公式。在充分研究Fuzzy set理论的基础上,借助Fuzzy set相似矩阵构建证据支持度、可信度函数,求出每个证据的权重系数及其加权平均后的基本分配函数值,即对冲突证据的数据模型结构给予适当的改变。再引入D-S证据理论基本合成规则,提出了基于模糊相似矩阵的多传感器信息融合加权平均算法。结合Fuzzy set理论,提出了模糊综合评判的多传感器信息融合方法。最后,以多感觉智能机器人传感器信息融合为背景,分析验证了D-S证据理论的信息融合应用过程的正确性。