随着网络技术的发展，信息服务被应用到现实世界中，面对周围环境的大量的信息服务，如何适时为用户提供合适的服务，从而提高用户对信息服务的满意度，成为当今热门的研究方向。为了达到用户对服务满意度的要求，信息服务系统应该能够调节系统自身来适应用户需求，因此，上下文感知技术得到越来越多的关注。然而上下文感知环境是动态变化的，收集到的上下文信息存在不确定性、数据量大等特点，如何减少上下文信息的模糊性，保证与用户的准确交互，成为本文的研究内容。数据融合技术能够有效地融合多来源的上下文信息，从而得出更为准确可信的决策，并确保与用户实现更好的交互，目前该技术已经广泛应用到智能家庭健康护理、人工智能以及海上监测等领域。本文针对智能家庭环境，研究传统上下文感知数据融合算法中由于缺少可随时间调整的状态预测值和上下文传输代价等因素，从而导致数据融合结果不准确，用户服务满意度不高的问题。本文首先引入基于状态空间的上下文模型，从上下文属性、上下文状态和状态空间三个方面对传感器历史测量值进行统一化描述，然后结合动态贝叶斯网络技术选出总效用值最高的传感器节点，最后经过数据融合得到相关的状态预测值。围绕本文提出的基于上下文感知的数据融合算法（Context FusionAlgorithm based on Context-Aware, CFACA）给出了动态贝叶斯网络的建立以及融合过程，文中给出了有效性证明。最后，通过仿真实例验证了该方法的有效性。本文的创新点在于结合动态贝叶斯网络技术和上下文传输代价等因素，通过计算可选属性的模糊减少效用值和上下文传输代价值，选出对状态空间贡献值最大的可选属性与固有属性并实现数据融合，从而得到更准确的当前状态预测值，进一步提高了用户的满意度。