如今,手持设备的硬件水平逐步提高,多种功能的传感器都可搭载在智能手机终端上,这使得以手机设备为主的移动感知技术逐渐升温,进而演变出了一种新型的数据信息社会化生产模式——参与感知网络(Participatory Sensing Network)。参与感知是个体或群体使用功能越来越强大的移动手机和云端服务器来收集和分析语义信息的一个感知过程,强调人的作用,通过将任务部署给移动设备来组建一个可互动的传感网络以方便用户收集、分析和共享本地知识。然而,在参与感知网络中,完成感知任务并且将数据上传至服务器需要花费一定的时间和成本开销,这使得一些用户不愿意主动去参与感知任务。因此,为了实现有效和高效的感知活动,激励机制是参与感知网络中不可或缺的一项关键技术。为了提高参与感知网络中用户参与感知任务的积极性进而保证感知网络规模,本文提出了一种基于感知效用的动态参与感知激励策略(Sensing Utility Based Dynamic Incentive Mechanism, SUBDIM),旨在保证一定的系统开销的前提下,最大限度地激励用户去完成感知任务。SUBDIM应用微观经济学中的供需原理,用感知效用值来衡量感知点的数据价值,激励值会随着系统中任务的完成情况动态变化。同时,将系统中的用户划分为生产者和消费者两种角色,生产者根据感知效用值及其他因素决定是否参与感知任务;消费者根据感知效用值为生产者支付报酬。服务器在参与感知过程中负责转发任务信息和任务报酬。章末,对SUBDIM激励算法进行了实验模拟,实验结果表明SUBDIM相较于无激励机制和反向拍卖动态定价情景,能够在控制较低的系统开销前提下充分提高感知活动量和用户的参与度。在SUBDIM的基础上,本文还提出了一种激励优化方法——参与感知任务定向发布算法(Sensing TaskDirectionalDistribution,STDD)。在发布感知任务之前,确定能够参加本轮感知活动的生产者子集,向其定向组播感知任务以省去服务器端不必要的带宽和能量开销。对定向发布算法的仿真实验结果表明STDD在一定程度上提高了网络效率,服务器端能量消耗和任务发布延迟有所降低。最后,在前面几章的基础上研究讨论了感知报酬分配和退出用户回流机制,分别提出相应的算法,旨在提高网络规模的稳定性和用户的参与度。同样,对两种机制算法的性能仿真表明了算法具有可行性和有效性。