随着智能手机用户的快速增长和传感器的普及,移动群智感知已经成为解决大规模感知任务的有效方式。提高参与用户的数量和用户的数据质量仍然是移动群智感知系统的关键问题。而群智感知需要消耗用户的资源,并且存在潜在的隐私泄露的威胁,因此设计一个有效的激励机制是非常重要的。在本文中,首先研究了在大规模的移动群智感知应用中运用基于社交网络影响力扩散的激励机制。针对移动群智感知中普遍存在的用户不足问题,利用社交网络中影响力扩散模型将移动群智感知任务进行扩散,招募到足够多的移动用户来完成移动群智感知任务。因此本文提出了一种通用的基于社交网络影响力扩散的移动群智感知系统模型,该模型主要是将反向拍卖机制和影响力扩散模型进行深度融合,并通过近似算法找到了社会成本最小化问题的近似最优解。在相同的系统模型上,本文进一步研究了用户数据质量在移动群智感知应用中影响。本文设计了一种基于网络影响力的质量感知激励机制,该激励机制提供了一个综合性的解决方案以同时提高参与者的数量和参与者的数据质量。首先提出了一个通用的初始扩散选择算法,该算法能同时应用于两个被广泛研究的扩散模型,然后提出了一种轻量级的、多指标的且无参数的用户质量评估方法。为了同时考虑社会成本和用户质量,提出了一个新的优化目标:单位质量成本。最后提出了一个逆向拍卖框架来优化这个新目标。通过严格的理论分析和大量的仿真实验模拟,本文证明了所提出的激励机制实现了计算有效性、个体理性、真实性以及近似比保证。