随着移动计算和移动通信技术的发展,智能移动终端的功能日益强大,数量也与日俱增。群智感知网络通过利用大量、高性能的智能移动终端采集数据,并对感知数据进行处理、分析,从而完成大规模、复杂的社会感知任务。与传统的无线传感网络相比,群智感知网络具有“以人为中心”的鲜明特点,移动终端用户既是感知数据的提供者又是感知数据的消费者。感知数据的高覆盖率,和数据分析结果的高效分发,是群智感知网络成功应用的关键。本文分别研究了如何设计合理的激励机制来提高感知数据的覆盖率,和如何利用端到端通信模式来提高数据分析结果的分发效率。基于群智感知网络应用程序的成功运行,依赖于感知数据的高覆盖率。例如,建筑物的3D模型构造需要从四周覆盖整个建筑物的照片,城市的噪声污染地图需要覆盖整个城市的噪声污染信息。但是,移动终端用户的分布是不均匀的,大量的移动终端用户聚集在繁华区域,在一些非繁华区域终端用户数量严重不足,造成感知数据覆盖漏洞的问题。现有的针对群智感知网络的激励机制,都没有考虑上述感知数据覆盖漏洞的问题。本文第一次提出基于移动的激励机制,应用平台通过付给移动终端用户额外的报酬,激励终端用户移动到所需区域并完成该区域的感知任务,实现应用平台和终端用户双赢。与已有的激励机制相比,基于移动的激励机制在任务完成率、用户获胜率、和社会收益三个性能指标上,能够分别获得135.75%,146.7%,和85.71%的提升。从市场供需角度考虑,竞拍某感知任务的终端用户数量是该感知任务的供给,完成该感知任务所需要的终端用户数量是该感知任务的需求。由于终端用户分布的不均匀,位于繁华区域的感知任务大多处于供给过剩状态,位非繁华区域的感知任务则大多处于需求过剩状态。本文第一次从市场供需平衡角度出发,提出基于市场的激励机制。通过影响终端用户的竞标倾向,实现感知任务的供需平衡,从而提高感知数据的覆盖率。与已有的激励机制相比,基于市场的激励机制在任务完成率、用户获胜率、和社会收益三个性能指标上,能够分别获得294.9%,294.9%,和246.02%的提升。随着基于群智感知网络应用程序的大量出现,移动终端上传和下载的数据量急剧增加,将超出现有蜂窝网络的数据传输承载能力。在5G场景中,人们正在研究利用终端构成的无线网络进行数据传输。邻居节点发现,是终端成功组网所必须完成的关键步骤之一。与全向天线相比,定向天线具有功率消耗低、覆盖范围广、空分复用的优点,因此,终端采用定向天线,是5G通信发展的趋势之一。与同步邻居节点发现算法相比,异步邻居节点发现算法无需外部同步设备的支持,实用性高。现有的邻居节点发现算法,主要是针对同步网络的,无法直接应用到异步网络。本文提出多种基于定向天线的异步邻居节点发现算法,并对算法进行了理论分析和试验仿真,验证了算法分析的正确性。在由移动终端构成的无线网络中,利用缓存技术可以有效地提高数据的传输、分发效率,其关键问题是如何选择缓存节点。现有的缓存节点选择算法,主要从网络拓扑结构出发,选择与其他节点连接概率较大的节点为缓存节点。由于,群智感知网络具有“以人为中心”的鲜明特点,本文统筹考虑网络拓扑结构和社交网络特性,选择缓存节点。同时,结合终端用户对数据分析结果的需求情况,分别提出广播模式和多播模式下的缓存节点选择算法,并理论分析了两种算法的性能差异。本文的研究成果和技术,可以方便地应用于基于群智感知网络的应用程序,以提高感知数据的覆盖率,和数据分析结果的分发效率。针对群智感知网络中终端移动特点的多样性。在后续的研究中,将继续研究群智感知网络中终端节点的移动特性,优化激励机制,改进数据分发策略。