随着传感器以及物联网技术的发展,以前陈旧的控制系统已经难以维持大规模传感设备以及人们的个性化服务的需求。情境感知的发展给这一发展瓶颈带来了新的解决方法,其研究目的是能够给人们提供适应于当前情境的智能化控制,即“想人们所想”。但是在情境感知应用中,由于传感器等设备的技术限制,其获取的数据具有不精确性和不确定性,从而导致了使用它们推理获得的更高层次的情境信息依然保留着不确定性,这给开发者带来了很大的挑战。所以对情境感知中的不确定推理的研究迫在眉睫。首先,本文在分析了现已有的情境感知框架的基础上,对情境系统进行了分层后提出了适应于不确定推理的情境感知框架,并且针对不同的情境信息源分别设计了专门的采集模块。本体模型是情境系统一种规范化的表示,本文分析了D-S理论与本体模型构建上的可行性后,参照以往建模经验,对OWL本体建模方式的扩展进行了拓展,使其对D-S理论支持良好,并且适应于不确定推理,在此基础上本文基于用户行为建立了本体模型,为后续的推理过程提供了条件。其次,情境信息的预处理是保证推理正确执行的条件。本文在结合以往的粗糙集在数据处理上的研究,将该理论运用于情境感知中的不确定信息处理中,提出一种适用于情境感知的粗糙集数据处理方法。该方法中采用Naive Scaler算法对原始数据进行离散化处理,再采用可辨识矩阵方法对粗糙集进行约简,使得约简后的结论能够作为D-S理论推理的重要依据。再次,不确定推理方法的是本文研究中的重点与难点。在分析并改善了D-S理论组合规则中存在的高冲突矛盾后,以粗糙集处理结果作为D-S理论信度值,同时利用Jena在本体推理上的优势,设计了一个基于D-S理论与本体逻辑相结合的混合式不确定推理方法。算例表明,该混合式情境感知推理方法具有可行性。最后,本文在智能家居环境中设计并实现了情境感知原型系统,并实现了信息预处理模块、情境感知服务端,实现了基于Android的情境感知客户端。测试表明,本文设计的情境感知不确定推理方法在实际应用中有可靠的推理效果。