移动群体感知中,移动终端集成了多种感知设备和通信端口且分布广泛,能够收集、共享各类感知数据。然而感知节点在感知能力、通信端口、移动规律等方面与收集实时、精确且覆盖全面的感知信息之间存在着固有矛盾。为了提高感知信息质量,现有的研究主要集中在移动节点的招募、选择和感知任务的分配阶段,缺少对感知任务执行阶段的优化。本文借鉴移动设备云中感知任务的迁移理念,提出基于效用的感知任务迁移算法(Sensing Task Offloading,简称STO)和带有任务拆分的感知任务迁移算法(Sensing Task Offloading with Task Split,简称STOTS),建立移动节点间直接协作的感知数据采集方法,该方法在感知数据覆盖率和感知任务完成率方面感知数据的质量都有所提高。本文的研究内容有:建立移动群体感知系统。该系统由感知数据服务中心、感知任务发布者、网络和一组自由移动的节点组成。其中,感知任务发布者是发布感知任务的个人或实体;感知数据服务中心负责通过网络将感知任务发送给感知节点以及存储感知数据;感知节点通过网络与其他节点交换移动轨迹和感知效用等信息,并通过网络将感知数据上传给感知数据服务中心。建立节点的移动模型。移动节点的移动和分布具有随机性,为了克服这种特性对数据采集的影响,本文利用离散的马尔科夫链建立移动节点的移动模型,对节点的移动方式进行建模。建立节点的效用模型。节点效用表示移动节点在未来一段时间内的感知能力。而且还对移动节点到达感知区域的时刻分布和在感知区域的停留时间分布的分布函数进行了研究。设计了基于效用的感知任务迁移算法和带有任务拆分的感知任务迁移算法。