随着物联网、云计算、大数据等信息技术的高速发展,内置丰富传感器的移动智能终端得到了广泛关注和普及,群智感知已成为一种新型的信息收集、分享和探测的感知模式,并被广泛应用到人们日常生活中的诸多领域。尽管群智感知在近几年取得了一系列的研究成果和进展,但是诸如参与者数量不足和感知数据质量不高等问题严重阻碍了群智感知的健康发展,其根本原因在于系统缺乏针对此类行为实施恰当的惩罚。因此,设计科学的激励机制从而有效激励用户积极参与感知工作并努力贡献高质可靠的感知数据是必要且迫切的。针对众包竞争困境问题,同时实现合作与剥削,为用户提供足够的激励力度促使其提供高质量服务的同时最大化请求者收益;结合用户的异构属性,建立两阶段非对称众包竞争困境博弈模型;采用二元评级标签以及二元定价机制设计评级协议,对于不同评级的用户根据其当前评级和所选策略分配不同的评级从而更新下一个时间片的评级,并给予不同的报酬;通过差别奖惩促使低评级用户的收益转移至高评级用户,在某种程度上降低了不完美监听所引发的系统收益损失;基于线性规划图解法求解局部最优设计参数,进而获得全局最优设计参数并最大化社会收益;最后,设计低复杂度算法计算出最优设计参数,并通过数值仿真验证了该算法的正确性和有效性。针对群智感知中自私用户彼此不合作从而引发出的服务交换困境,综合考虑群智感知诸如匿名用户众多、服务请求非对称、用户能力异构,用户动态加入/离开平台等特性,我们提出由推荐策略和评级更新规则构成的双边评级协议。基于当前系统固有参数选取最佳建议策略,基于用户当前声誉以及用户实际行为实施差别奖惩并进行评级更新。在保证协议可持续性及公平性的前提约束下,以最大化社会收益为目标求解最优设计参数问题并形式化为非凸优化问题,基于交替乘子优化法设计低复杂度算法求解最优设计参数;最后,通过仿真实验验证了系统固有参数对于建议策略以及最优设计参数的影响,并且通过实验发现所设计的双边评级协议获得的社会收益与理想状态下的社会收益几乎相同。为了解决群智感知的线上用户激励、实时用户能力评估以及实时用户筛选等问题,设计了一种线上型评级协议。该协议结合了质量感知、评级更新、用户选择和报酬支付机制,同时解决了逆向选择和道德风险问题。基于内源性学习通过用户历史行为与数据质量评估结果更新异构用户的声誉,验证了用户声誉与其被平台选中作为服务者的概率呈正比关系,由此激励用户提供高质量服务以提升其自身声誉。基于增量学习获取平台针对线上用户做出即刻筛选的筛选标准即密度阈值,验证了所获取的密度阈值与线下模式所获得的密度阈值的差值与样本增量呈反比关系。通过理论分析可证明所设计的线上评级协议可满足评级收敛、预算可行性、个人理性、诚实性以及常数近似比属性。最后,通过数值仿真实验验证了所提出评级协议的正确性和有效性。