近年来,由于对信息融合的要求越来越高,使得融合技术不仅在信息处理过程方面大大进步,也在军事领域、故障诊断和目标识别等众多领域得到了成功的研究与应用。其中,D-S证据理论有着在无先验信息的状态下,可以很好的表示和处理不确定情况的优点,从而通过对问题进行建模,在融合过程中对数据进行更加优化的处理,提高了融合的准确性,使决策结果更加精确。但若存在冲突证据,运用D-S证据理论进行证据融合就不能达到很好的效果甚至结果有悖常理,所以需要对证据理论进行改进。当前研究的重点主要集中在修正证据源和修改组合规则,两种方法相对比发现,对证据源进行预处理不会破坏Dempster组合规则的优良性质,这比修改组合规则更有优势。本文从证据源预处理和证据融合两方面入手,对冲突证据处理并合成,主要研究内容如下:首先,针对融合的不确定性问题进行分析,提出了在证据冲突且存在复合焦元的情况下降低不确定度的逆DP概率转换方法。基于DP合成规则,通过势的划分,分层逐步降低不确定度,将基本概率分配函数经过转化为概率函数进行融合。其次,针对冲突证据融合过程中可信度不高的问题,提出一种基于置信距离的加权融合算法。利用置信距离测度对证据度量,将证据转换为距离矩阵形式,经过矩阵相关计算得到可信度,进而加权进行信度分配以修正证据源,最终进行基础的证据融合。最后,针对证据冲突程度的衡量问题,提出了基于指数散度的冲突证据融合算法。利用指数交叉熵进行冲突证据的衡量,并将证据间的冲突系数构建距离矩阵,利用加权融合的方式进行数据融合。通过大量仿真对比研究,验证了所提算法的有效性与可靠性。