现今,移动终端设备更新换代的速度越来越快,其种类从原来的单一模式到现在的百花齐放、数不胜数,这都得益于集成电路技术的飞速发展,移动终端设备的功能也从最开始只能简单通话到现在能够在短时间内处理大量数据信息。近几年一种叫做移动群智感知(Mobile Crowd Sensing,MCS)的感知模式逐渐出现在各大学术期刊文章里,该模式与IoT感知模式在组成部分和工作流程上都非常相似,同时它也是一种结合了移动感知技术和众包技术的感知模式。随着学者们对移动群智感知技术的研究,很多平台或组织也看出其丰富的使用价值,都纷纷组织团队研究其在日常生活中的应用系统。因为移动群智感知技术的传感设备是人们生活中都会用到的智能移动设备或车载设备,所以只要是拥有这些设备的人都可以报名参与感知任务完成指定操作得到一定报酬。要想完成某项感知任务得到想要的数据,就需要把控好参与者选择问题,因为平台或组织的应用领域不同故其需要的参与者特性也不近相同,有些需要能够提供高质量感知数据的参与者,故就会注重其历史感知数据;有些需要高响应速度的参与者,就会看重其历史接收感知任务的时间。本文的主要内容是针对不同的感知任务特性,提出一种更合适的参与者选择方法,主要内容包括如下:提出一种基于信任策略的参与者选择方法,首先,基于用户提出的信任策略利用属性约简删除掉对感知任务不重要的参与者信任属性,简化影响参与者信任值的多属性指标;然后用灰色关联分析法将选出的信任属性与目标信任属性相比较求得参与者当前信任度;最后,建立适于复杂网络环境下的参与者动态信任度评估模型(本文简称DTEM-GCA)。仿真试验结果表明,提出的信任度评价模型不仅能动态实时刻画参与者的信任度,评价结果准确率更高且花费的时间更少。提出一种基于数据质量的参与者选择方法(本文叫PSM-DQ),利用模糊推理方法将感知任务按照感知任务的数据质量要求划分为不同等级,再建立参与者信任度评估标准,用感知数据质量结合时间衰减因子计算当前数据质量,再结合历史信任度更新参与者的当前信任值,最后利用惩罚机制降低恶意参与者信任度并抛弃,从而在一定程度上保证感知数据质量,仿真实验证明PSM-DQ能够招募到更多的参与者并在一定程度上提高了感知数据质量。