近年来,电子信息硬件技术的不断发展以及移动设备内置传感器的不断丰富,为移动协作感知的发展提供了良好的硬件基础。参与式感知需要用户参与到数据收集的过程中来。然而现有的激励机制大多是基于离线场景设计的,所有用户都上传了竞价信息后,平台才能给出竞拍结果。因此,这种离线的激励机制仅仅适用于可以接受“长等待”的用户。而对于那些移动性比较强或者参与时间有限的用户来说,即使他们想参与感知任务,也会因为无法忍受离线机制结果反馈速度慢而放弃合作。这对平台募集感知用户非常不利。本论文在总结现有参与式感知技术以及激励机制的基础上,设计了一系列在线的感知激励机制。用户逐个到达系统,激励机制能立刻给出竞拍结果,无需等待所有用户都到达。本文首先建立在线拍卖系统模型,以平台购买传感数据性价比最大化为目标,并提出本模型下激励机制应当满足的约束条件:计算有效性、个人理性、消费者主权性、真实性和同阶竞争性。然后,本文提出了基于反向拍卖的在线激励机制,并对其理想特性进行分析。但因这种在线激励机制无法保证真实性,所以本文继续设计了考虑真实性的在线激励机制,并证明其竞价真实性的特性。由于用户在系统中停留的时间长短不等,因此本文给出了“零到达离开区间”与“非零到达离开区间”两个概念模型。我们认为前两种激励机制是基于零到达离开区间模型的,并在此基础上展开非零到达离开区间模型的在线激励机制研究。接下来,本文设计了基于到达离开模型的在线激励机制,并证明了当用户离开时间大于到达时间时如何保证上报时间的真实性。在此基础上,本文讨论了一种特殊情况——有限预算的在线激励机制。在尽量花完预算的情况下,该机制以获取的数据价值尽量高为目标,并给出其预算适应性证明过程。同时还指出,这种预算适应的激励机制还可以用于其他目标的在线激励机制,如以节省预算或者利益最大化为设计目标的在线激励机制。最后,我们对全文进行总结,对未来的工作进行展望,提出了三个可进一步研究的关键点:数据质量与准确性、数据隐私性和用户优先级。