测量是人类从客观世界获取信息的主要手段。随着人们对信息理论的数理基础与内涵认识不断深入，基于信息熵方法的应用遍及许多科学领域并取得了许多不同于一般传统方法的良好结果。在本世纪初，由我国测量领域研究工作者提出了“测量的本质就是信息获取”的论述。论文在这一思想指导下，探索构建一种以香农信息熵为度量，在随机、不确定条件下对一般测量过程实现其描述、分析和评价的统一方法。论文的主要内容如下：
　　根据部分信息进行估计，满足已知信息且具有最大熵的概率分布是唯一且无偏的，提出了一种任意信源熵由无穷多个子熵集构成的假说。在此原理基础上，对具有测量意义的一种基于最大熵的信源估计方法进行了研究，并应用于量化单元的区间设计。由感知器的选择性，以实际信源-感知器之间测量的卷积关系为例，构建了信源-感知器的熵描述模型。
　　研究并归纳出了测量信息论的基本定理，并由测量的特殊性，提出了两种新的信息度量及其定理。其中，对理论熵真值的存在性和可测性进行了论证，为熵的表述和运算提供了理论依据；对具有一般结构的测量封闭系统提出并证明了熵平衡定理，为系统建模和熵运算提供了一种便利的方法；针对测量系统的任意两点间的信息量计算问题，定义了两种新的信息量——和信息量、贯序信息量，并证明了两种信息量的不同及其互补关系。另外，分别研究并设计了基于误差熵的信号检测判决准则和基于相对熵的二元信号检测方法，为被测信源重建提供一定的理论依据和技术支撑。
　　为探明测量变换在信息获取过程中的作用机理，推导证明拉氏变换和Z变换的熵表征，实现了复频域变换的信息熵描述。在此基础上，证明了测量变换处理与条件熵在信息获取过程中的等价作用，揭示了信息获取过程中信息处理物理实现与数学变换表征之间的对应关系。进而研究并分析一般串联、纯熵增/减测量系统的熵特性，为测量系统的快速熵运算与分析提供了便利。
　　为验证所构建理论方法的有效性，对三种典型测量系统信息处理算法——相敏检波算法、隐马尔科夫模型、盲源分离算法进行熵建模。从互信息提升的角度，探讨了相敏检波算法对信息获取性能的提升作用。推导隐马尔可夫模型的熵率表达式，实现了最大熵隐马尔可夫模型的熵描述。建立盲源分离的熵表征，揭示了盲源分离过程中信号的熵变特性。
　　针对特征信息提取与优选的扩展信息熵表征与评价问题，依据测量系统熵特性，证明特征信息提取过程可提高模型输入输出之间相关性，设计了一种表征系统特征信息的可变容限模糊熵，并结合傅里叶变换多滤波器分解，实现了高质量的特征信息提取。在此基础上，从信息处理的角度，分析特征信息优选在广义测量系统中的滤波作用，设计了一种基于改进邻域互信息的特征信息优选方法，实现了高分辨率的特征信息优选。