伴随着便携式智能设备的爆炸式普及和无线网络与通信技术的飞速发展,群智感知作为一种新兴的感知与计算范例应运而生。群智感知结合了众包思想和智能设备的感知能力,是物联网的一种表现形式,其主旨是利用广泛存在的人群和他们所携带的智能设备,通过移动互联网进行有意识或无意识的协作,以完成大规模且细粒度的感知与计算任务。相较于传统的无线传感器网络,群智感知在部署与维护、感知范围与粒度、可复用性等多个方面优势明显且发展迅速,必将带领我们进入一个全新的智能时代。群智感知所提供的感知与计算服务主要依赖两个关键因素,即用户与数据。从用户角度出发,关注用户的移动能力,我们可将群智感知自然地扩展为移动群智感知,即强调利用移动用户的广泛存在性、灵活移动性和机会连接性来执行感知任务;从数据层面出发,通过挖掘和利用感知数据的时空关联,我们可将群智感知扩展为稀疏群智感知,即招募用户感知部分区域的数据,并利用其时空关联推断其他未感知区域的数据。针对用户和数据这两个关键因素,本文首先分别从移动性和数据关联两方面着手,研究如何充分利用用户移动性和如何有效利用感知数据时空关联,以提高群智感知方法的表现并减少其消耗。以此为基础,进一步同时考虑用户和数据两个关键因素,研究如何同时利用用户移动性和数据时空关联的群智感知方法。本文主要工作和学术贡献如下:(1)为了充分利用用户移动性,提出基于用户移动性预测的移动群智感知用户招募方法。首先,针对移动群智感知的特性,提出了基于感知区域的移动性预测模型。以此为基础,深入研究离线和在线两种场景下的用户招募问题。针对离线场景,设计一种基于贪婪试探的用户招募方法,并实现较好的近似比。进一步地,考虑用户随时加入的在线场景,提出一种可动态调整的基于秘书问题的用户招募策略,并同样实现了较好的竞争比。最后,整合移动性预测模型和两种场景下的用户招募方法,提出了一种分布式的移动群智感知用户招募框架,并实现了一套基于安卓平台的原型系统。(2)为了有效利用感知数据时空关联,提出基于时空数据推断的稀疏群智感知区域选择方法。首先,针对感知数据时空关联,提出基于压缩感知的数据推断算法。以此为基础,研究单任务场景下的感知区域选择问题,提出一种基于强化学习的稀疏群智感知区域选择算法。进一步地,将单任务场景扩展为多任务场景,提出一种多维度的稀疏群智感知数据推断与区域选择策略。此外,本文还提出了一种两阶段的在线训练框架,以减轻所提出算法对大量训练数据的依赖。(3)为了同时利用用户移动性和数据时空关联,提出一种基于移动性预测和数据推断的稀疏移动群智感知用户招募策略。具体而言,本文同时从用户和数据两方面着手,考虑多变的用户移动性和复杂的数据关联,提出一种三步式的用户招募策略。首先,提出一种局部集束搜索方法来粗略地挑选一些候选用户集。在此基础上,使用基于强化学习的感知区域选择算法来识别出哪些感知区域更重要。最后,加权交叉候选用户集和重要感知区域集,以从中挑选最优用户集。综上所述,本文面向移动用户和时空数据,以移动性预测和数据推断为基础,提出一系列充分利用用户移动性和数据时空关联的群智感知方法,并通过理论分析和大量仿真实验验证了它们的有效性,为群智感知在不同领域的广泛应用提供重要的理论和技术支撑。