随着科技的飞速发展，特别是传感器技术、通信技术、计算机技术等相关信息技术的发展，信息融合已经广泛的应用于包括军事、金融、生物等多个科技领域。信息融合作为当今科学研究中的一个重要课题，其研究的主要目的是如何优化融合多数据源信息，从而获得对发生的事件更加客观而准确的描述与评估，并对未来态势的发展方向做出准确的预测。态势评估作为信息融合过程中的关键步骤，具有重要的意义。本文对态势评估理论与模型、态势规则约简、态势预测等方面进行了系统的研究。主要研究内容如下：1.根据态势评估所要完成的功能，以及态势评估中的三个过程：态势觉察、态势理解和态势预测，分析研究了态势评估的实现方法，改进了态势评估的多级模型；针对态势知识的模糊性问题，提出了基于粗糙集的态势规则获取方法；在分析态势评估框架的基础上，针对态势估计中的不同阶段和信息来源，提出了基于事件驱动模板的态势推理方法。2.分析了态势觉察中信息的海量性与不确定性，利用基于粗糙集的知识发现方法，提出基于二值化的差别矩阵模型，构造了基于区分元素个数的区别队列，减小了知识约简过程中的搜索空间，提高了信息约简效率。3.针对规则知识库中的规则约简问题，在深入研究粗糙集知识约简基础之上，提出改进的属性值树模型，充分利用树结构特点与树的合并算法，建立新的知识约简算法，降低属性约简与值约简的时间复杂度与空间复杂度，提高态势评估规则匹配效率。4.研究了态势评估中的计划识别理论，指出态势评估实质上是一个计划识别过程，针对现有计划识别方法在知识模糊性与不确定性上表示的不足，深入探讨了基于贝叶斯网络推理的计划识别方法，提出了一种基于直觉模糊表示的贝叶斯网络推理模型，克服原有贝叶斯网络推理不能区分不确定和不知道的特性，以及信息犹豫度较大时引起的推理结果的矛盾性；分析研究了战术智能规划的一个实例，给出了一个基于直觉模糊表示的贝叶斯网络推理态势估计模型，验证了模型的正确性。5.讨论了态势评估的不确定性因素的影响权重，给出了基于直觉模糊信息表示方法，并提出基于多属性直觉模糊决策的态势评估方法。并以实例说明了态势预测过程，表明了使用此种方法求解态势评估问题的可行性与高效性。