群智感知具有时空覆盖广、成本低、应用场景普适等突出优势,可以高效地实现众多极具吸引力的新型感知应用。然而,这些通过利用群体智慧来解决复杂问题的群智感知应用受到参与用户的异质性、随机性等因素的影响,导致群智感知系统收集的感知数据质量难以保证。因此,如何选择合适的用户完成感知任务以保证任务的感知质量是群智感知应用中亟待解决的重要问题,通过设计合理的激励机制鼓励更多潜在用户参与群智感知任务被认为是保证平台服务质量的一种高效且必要的手段。为了解决上述挑战,本文在充分调研已有工作的基础上,研究了不同场景下群智感知系统的任务及奖励分配问题,论文的具体研究内容及创新点如下:（1）针对群智感知系统难以吸引足够多的高质量用户参与导致任务完成质量不能得以保证的问题,我们设计了一种具有预算约束的异质任务分配机制,且首次研究了如何通过设置额外的奖励机制,激励完成任务质量较低且有潜力的用户更好地参与到感知任务中,从而将其转换为可以提交高质量感知数据的用户,进而实现任务最低完成质量的最大化,保证所有任务完成质量的最大最小公平。最后通过仿真实验验证了所设计机制的可行性与有效性。（2）考虑用户在线随机到达群智感知平台的场景,为群智感知系统设计了一种在预算受限场景下的任务及奖励的实时分配机制。在任务的候选用户信息并非先验已知的情况下,采用动态阈值法适时地调整阈值,在任务申请期限到达之前,选择合适的用户子集以最大化任务的期望完成质量。通过理论分析以及仿真实验,验证了所设计的机制具有可行性与有效性。（3）结合实际的应用需求,我们设计并开发了一个群智感知公共平台,实现了该平台的任务发布者、移动终端用户以及平台管理员的基本功能模块,可以用于感知任务的发布和感知数据的收集。