随着互联网技术的飞速发展和移动智能终端的快速普及,带有感知能力的便携式智能设备赋予了人们更强大的感知能力和信息共享能力。在此背景下,混合群智感知（Hybrid Crowdsensing,HCS）作为结合传统固定部署感知和移动群智感知的新兴感知模式,凭借其在数据感知方面的显著优势和广阔应用前景,受到学术界广泛的关注。然而,现有的HCS研究工作仅侧重于任务分配、激励机制等方面,对于质量敏感问题的研究则较为稀缺。为此,本文在分析HCS数据收集和融合阶段亟待解决的质量敏感问题的基础上,创新地提出一种基于C2H覆盖质量模型的HCS数据收集方法,以解决HCS数据收集过程中的覆盖质量问题;一种基于用户信誉机制的HCS数据融合方法,以解决HCS数据融合过程中的数据质量问题。具体而言:（1）基于C2H覆盖质量模型的HCS数据收集方法。在感知区域中,面向非受控移动感知节点带来的感知覆盖不均、感知稀疏区域频现等覆盖问题,第一层模型使用基于CLIQUE聚类的HCS感知区域划分算法,用于划分感知稠密区域和感知稀疏区域;在此基础上,第二层模型使用基于蜂窝六边形覆盖的粒子群算法,用于在感知稀疏区域优化部署静态感知节点以达到提高覆盖率的目的;最后,第三层模型使用基于蜂窝六边形覆盖的LEACH算法,用于设计静态感知节点的路由协议,以达到延长网络生命周期的目的。实验结果表明,提出方法可使感知区域的覆盖率优于标准PSO算法、有效降低传感器节点能耗和提高网络的生存时间。（2）基于用户信誉机制的HCS数据融合方法。首先,此方法包含两种数据检测算法,分别是基于位置信息的数据检测算法和基于拉依达法则的数据检测算法,以剔除异常感知数据;在此基础上,引入用户信誉机制,进一步筛选异常感知数据,以达到数据充分融合和提升数据整体质量的目的;最后,提出基于多维评价指标的数据质量评估算法,通过赋予差异性权重以衡量不同指标的重要性,且该算法支持多个评价指标的自定义配置,可有效验证经融合处理后的数据质量评估结果。实验结果表明,由提出方法筛选保留出的数据具有更高的评分,且各项评估指标均得以有效提升,达到了交付数据需求者高质量感知数据的目标。