传统无线传感器网络利用固定节点进行数据收集,网络安装维护成本高,节点覆盖不足。随着智能手机等移动设备的广泛使用,人们提出了群智感知这个概念,它是指具有感测和计算装置的移动用户为了适应各种应用负责收集和贡献数据的一种感知范式。在群智感知中,参与者是自愿参与,足够数量的参与者可以提供精细监测。如何鼓励参与者参与,收集数据是群智感知技术中的核心,因此,需要对激励机制进行研究。本文研究了群智感知中单任务场景下的的激励机制,结合反向拍卖算法提出了基于区域覆盖的的群智感知激励机制,对多任务场景下的激励机制进行了研究,提出了基于联盟博弈的群智感知激励机制和基于演化博弈的群智感知激励机制。主要研究内容与创新点如下:(1)为了提高区域覆盖率和用户参与度,采用反向拍卖提出了一种基于区域覆盖的群智感知激励机制,该机制中用户根据参与成本参与拍卖,服务平台在预算有限情况下,以区域覆盖最大化为目标选择拍卖中获胜的用户并向其购买感知数据,参与用户通过收益率判断是否继续参与,退出用户根据计算的预期收益率来确定是否重返拍卖。仿真结果表明,该机制在保证用户参与的同时,增大了感知的覆盖面积。(2)在多任务群智感知场景下提出了一种基于联盟博弈的群智感知激励机制。在该激励机制中,参与同一个感知任务的用户属于同一个联盟,用户在各个任务联盟间进行博弈,博弈的过程也就是用户选择感知任务的过程。用户随机选择任务构成初始联盟结构,参与同一个任务的用户数量较多时,获得的报酬会降低,当不满足用户报酬最低要求时,用户会重新进行选择,博弈的目标是使得联盟结构总效用最大。仿真结果表明,提出的方法提高了总效用并且可以获得稳定的任务联盟结构。(3)考虑用户之间的合作,提出了一种基于演化博弈的群智感知激励机制,将群知感知中参与者之间相互合作进行信息交互的过程建模为演化博弈,用户的收益定义为演化博弈中的适应度,基于演化博弈中“适者生存”的规则进行演化,不断产生具有较高收益的用户,淘汰收益低的用户,以此鼓励用户进行信息交互,使得用户总效益最大化并最终达到均衡。仿真结果表明,该机制可以在预算的约束下提高用户总收益且系统稳定。