参与式感知系统要求用户参与到数据收集的过程中来,这无疑会消耗用户的时间、精力和金钱,无论用户是否因其上传的数据获得益处,用户的参与行为本身都需要合理的反馈和鼓励,否则用户很有可能丧失动力。以往的事实证明,合理的激励机制能够有效地提高用户的能动性,增加主观因素的影响提高数据的质量,这对参与式感知的发展有重要意义。该文基于参与式感知系统的架构,以分析用户手机的各种传感器数据为主要数据获取方式。改进一种综合考虑数据数量、数据分布和预算约束的逆向拍卖激励机制。首先,针对大部分参与式感知系统激励机制可持续问题,提出了参与式感知激励机制多目标可持续性优化模型。该模型以最大化样本数量和最大化感知区域覆盖率为优化目标,以任务提供者的有限预算为约束,缩短任务周期和计算时间为前提。并结合动态逆向拍卖理论达到系统可持续性。其次,针对提高参考位置信息的样本数据质量问题,分析了不同的寻优算法,提出了基于参与式感知预算约束型的提高覆盖率算法,该算法结合时间复杂度小的动态规划方法,对机制中筛选样品的覆盖率进行寻优,大大提高了所购买样品的覆盖率和样品数。最后,针对处理大批量的样本可能超出系统平台的储存空间的问题,提出了基于位置信息的激励机制筛选算法,该算法运用贪婪算法解决组合问题的思想制定了子问题不同的度量标准,结合预算型最大覆盖算法解决寻优算法的复杂度超出系统限制问题。并达到固定预算下购买样本数不变的情况下增加覆盖面积。