当前,物联网设备在环境监测、智慧城市等需要大规模感知数据的场景中得到广泛部署,这也为群智感知的快速发展提供了有力支持。由于单个设备的资源和计算能力有限,群智感知的出现可以极大地提高感知数据的获取量。在提高效率、降低资源消耗的同时,感知过程中由于工人的异质性等原因,可能会出现数据质量参差不齐的现象。因此,如何保证数据的可用性,严格控制数据质量,已经成为群智感知中不可忽视的问题。针对数据的可用性,群智感知中的质量控制问题成为本文的主要研究方向,主要针对两个研究内容,分别是提高数据真实性以及降低数据冗余度,本文的主要研究内容如下:1.为了避免由于参与者不可信造成的数据质量低,提出一种基于多策略重复博弈的质量控制方法,用以提高数据的真实性。该质量控制方法通过建模感知工人和任务请求者之间的交互,证明存在众包困境;结合演化博弈与Wright-Fisher模型,并将此演化模型用于分析博弈双方的策略演化;利用重复博弈的贴现因子和双方历史数据分析博弈双方的策略行为,以解决困境问题,保证感知工人的长期参与并引导工人提供高质量数据。2.考虑到任务预算有限,提出一种基于工人联盟的质量控制方法,用于降低数据的冗余度。基于感知工人的可信度进行工人招募,使用贪心算法选出预算约束下可用的可信工人集合,将可用集合中工人的联盟划分过程建模为联盟博弈,使用联盟形成算法找到一个稳定的联盟结构,并利用夏普利值设计合理的报酬计算公式。