作为一种新型的大规模感知模式,移动群智感知节点由携带移动智能设备的普通用户组成,这些节点具有覆盖广、准实时、强移动性、数据低廉等显著特性。作为关键性基础问题之一,感知质量度量与保障是移动群智感知应用的成败所在。在移动感知过程中,由于主观意识和客观条件的影响,感知数据的质量往往不尽如人意。如何挑选优质的候选者来参与感知任务由此显得至关重要。基于此,本文从移动群智感知中的数据质量度量、信誉模型和参与者优选等问题出发开展研究。本文主要研究工作包括以下三个方面:(1)通过分析“开天眼”实测数据集,从客观角度出发,结合完整度和准确度给出了数据质量度量依据并设计了数据质量度量方案,以提高系统在数据评价方面的公正性和可信度。此外,提出了数据集场景下的数据支付策略,实现任务价值评估。(2)为了记录和评估参与者历史感知数据的可信度,构建了一种面向数据质量的用户信誉模型,并将其应用在移动群智感知系统交互过程中。该信誉模型联合主客观要素进行构建,并量化用户信誉度以作为用户当前采集数据质量的直接反映。最后,引入了状态因子和活跃因子对信誉模型进行改进。(3)针对用户资源充足和用户资源匮乏两个典型应用场景,分别提出了满足感知增益约束的参与者优选方法。在用户资源充足情况下,设定质量成本为感知增益目标,提出了基于贪婪策略的多阶段决策方法进行求解。在用户资源匮乏情况下,设定整体数据质量为感知增益目标,将每个任务抽象为0-1背包问题,提出了一种满足感知增益约束的动态规划方法对问题进行求解。基于“开天眼”数据集,本文开展了一系列仿真实验对所提出的方案性能进行验证。仿真结果表明:本文提出的用户信誉模型可以较好地改善整体数据质量;针对用户资源充足和用户资源匮乏两个典型应用场景提出的参与者优选方法可以分别实现对质量成本和数据质量两方面重要性能指标的优化。