群智感知网络作为一个新兴领域,与传统领域存在广泛交叉,譬如物联网、社会网络、传感器网络、延迟容忍网络等。随着这些网络和新技术的应用,如区块链,边缘计算等,群智网络受到了越来越多的关注。然而其与传统领域有着较大区别,也存在诸多新挑战,例如群智网络的单个节点往往资源受限,节点的多样性使得数据传输容易形成瓶颈,传统网络中集中式的数据感知与处理方式也面临挑战。本文针对传统网络中的感知、传输方案在群智感知网络上的局限性,分析了群智感知网络的可达性和可传输性,提出了相应的信息传输新机制,并提出了多种适用于分布式群智网络的基于核函数的有损计算化存储与传输技术,主要如下。本文在去中心化群智感知网络的信息可达性的基础上,基于因果路径熵理论,从数理基本原理上分析具有延迟容忍特性的去中心化群智网络的信息可传输性,提出了基于因果熵的信息动力学传输机制,对可传输性和传输性能进行了理论分析,并在多个数据集进行了实验验证,实验数据集涵盖了多种网络形态。在不考虑节点位置等额外信息的情况下,利用节点之间碰撞信息,以因果熵为驱动,以系统未来选择多样性最大化为目标,利用节点单位时间内历史可达节点信息估计未来多样性,基于因果熵增速率最大的原则设计传输机制。本文的网络分析模型也同时从另一个角度间接解释了 degree、betweenness等传统best effort策略的有效性以及局限性。通过在多种类型的真实数据集的实验分析,验证了该方法在高频变动、节点稀疏的延迟容忍网络上的优越性,进一步佐证了多样性思想在系统演化和发展上的优越性。在具有社会属性的数据集中,本文提出的机制在相同的通信代价下达到了相较于传统路由策略最高的到达率与最低的传输延迟,在不具有社会属性的数据集(出租车车联网)中,在有限通信代价下达到了最高的到达率与最低的传输延迟。本文研究并提出了适用于分布式群智网络的基于低秩矩阵恢复的有损计算化存储与传输技术。本文利用低秩矩阵恢复理论,基于群智数据在空间与时间维度上的低秩特性,同时解决了两个问题,一是大规模的数据的高效压缩与收集,二是异常数据在汇聚节点的精确恢复,这两个问题任意一个在以往都可以解决但是没有同时解决的好的方案。很多传感器数据稀疏性在有异常的情况下很难保证,异常读数在时间上稀疏性使得低秩特性得以保持,我们的方法具有对异常读数的更好的容忍度。通过理论分析与真实数据集的仿真实验,该方法数据压缩效率比传统的压缩感知更为高效,相比于基于矩阵填充(Matrix Completion)的数据收集方案具有更低的通信代价,相比于传统压缩感知在正常数据的恢复精度与异常数据的恢复精度上均达到了 10～20db(信噪比)的提升。考虑到群智感知网络的数据往往有相当部分是多媒体数据,相比传统无线传感器网络数据规模极大。本文研究富媒体内容在分布式群智网络中的高速传输服务技术,同时考虑节点或者是通信链路失效的情况下综合分析网络连通性变化,基于网络在时域——空域上的多样性收集利用网络冗余的资源,在源节点对消息进行Erasure Coding重新编码,通过Fog节点群体无意识的协作达到富媒体内容在群智网络中的高速传输服务。本文将视角放眼整个网络和时域上时,网络总是具有一些可利用的资源,“聚沙成丘”,在时间尺度上实现了突破,实现了对这些细小资源碎片的利用。在源节点使用Erasure Coding重新编码,使得消息的传输对网络节点失效等带来的拓扑变化具有更高的容忍度。数据流的拆分,多路径分布式路由,使得网络负载更加均衡,提高了网络效率。