随着科技不断发展,日益增加的信息获取方式为人们观察世界提供了更多的数据,这些数据从不同特性、不同维度上反映了我们所需要观察的世界。面对海量冗余、互补和冲突的信息,数据融合技术被人们寄予实现快速、准确、可靠地完成数据分析的期望。然而由于各种原因,信息探测过程所引入的不确定性原则造成数据融合需处理海量的、冗余、模糊甚至矛盾的信息,从而导致数据融合系统处理效率低下、准确度不高。为此开发具有自主性、反应性和预动性的智能数据融合系统是解决不确定性信息的关键途径。本文在深入研究了数据融合中决策引导和控制管理相关内容之后,针对多源不确定性信息,提出了感知引导的数据融合算法模型,并取得若干创新与成果。本文的主要贡献有：1.针对预测模型中难以处理输入因果数据不完备和预测结果无法表现数据可信程度的问题,本文提出模糊感知预测模型。该模型由因果因素通过相关测度映射来评估不完备信息对预测结果的影响程度,同时采用可信测度映射来反映所采用数据的可信任程度。模糊感知预测结果不仅反应了数据的相关因果性,同时也度量了处理数据的不确定性,所给出的模糊隶属度是系统在两维度方向都给出了所掌握的信息量。而模糊感知预测模型性质、运算规则和确定方法的推理也奠定了该模型在实际环境下的应用基础。(体现在第三章的3.2节和3.3节)2.针对信息系统检索效率低和面对不确定信息其辨识区分度不高的问题,本文提出感知决策规则模型。该模型通过求解最大信息区分期望来规划决策准则,从而实现对信息检索效率的提升。由于决策方向为信息区分度最大的方向,因此该模型可以更好区分决策信息。随后从信息理论机理上分析了感知决策规则生成方法。结合Rough Set理论所提出的局域属性重要性用以完成在获取部分信息之后的感知决策生成。而局域属性模糊重要性和基于容差关系的局域属性模糊重要性则分别用于处理不确定环境下所面对的信息模糊化和不完备问题。从而实现了对于不确定性信息系统的最佳决策规划,提高辨识的效率与准确度,实现数据的自我认知与快速反应。(体现在第四章的4.2、4.3、4.4和4.5节)3.针对传统固定组网探测模型中存在的探测模型不精确所造成的覆盖效率偏差问题,本文建立目标感知探测模型用以获得更为准确的雷达组网覆盖效能,并通过仿真分析了针对隐身飞行器探测雷达的最佳组网部署形式。(体现在第五章的5.2节)对于移动组网协同探测中传感器移动规划问题,本文提出采用模糊感知预测模型中相关测度映射和可信测度映射来预测监控区域内的目标分布概率,以此形成启发性信息来实现对移动组网协同探测中的最佳搜索路径规划。通过蒙特卡洛仿真,验证了基于模糊感知预测的移动组网启发性路径规划可以获得更高的探测效率。(体现在第五章的5.3节)4.根据智能化数据融合所需要系统建立的主动性和预动性需求,本文提出建立基于感知决策规则引导的传感器管理构架。该构架通过对多源传感器数据融合感知规则挖掘来进行传感器管理规划,来获取所感知最大信息增量进而提高多源传感器管理效率。(体现在第六章的6.1节)针对及时最佳感知预测,本文提出采用动态分辨熵增量模型来实现感知信息提取,而统计感知预测则采用基于局域属性模糊重要性来实现感知信息提取。针对空间目标探测的仿真实验验证了基于感知决策规则引导的传感器管理的高效性和准确性。(体现在第六章的6.2和6.3节)本文最后章节对整体工作做了总结,并展望了未来所需开展的相关工作。