近年来,随着人物失踪、物品丢失等现象的频繁发生,在大范围下进行目标搜索跟踪成为了一大热门研究课题。GPS、WiFi等传统的单点定位方式在“泛在网络”的概念兴起后逐渐没落,“泛在网络”旨在实现信息空间和物理空间的无缝对接,使得人和人、人和物、物和物都可以顺畅地通信。本文以基于“泛在网络”的搜索服务“泛在搜索”为基础,以寻找和跟踪走失人群为特定应用场景,以低功耗蓝牙可穿戴设备结合多移动终端定位为特色,搭建了一个高定位精度、节能易用的参与式感知寻人系统。本文首先围绕搭建“泛在搜索”系统开发展开,在系统架构设计层面上充分考虑了用户隐私、设备能耗优化等因素,提出了一套适合参与式感知服务平台的分层系统结构。在“泛在搜索”参与式感知系统中,设计一个优化的参与者选择算法是保证获取感知数据质量和定位精确度的关键。而感知数据的稀疏性是“泛在搜索”系统的内在数据特征,为此,本文提出了一套稀疏感知数据下结合定位计算的双约束条件参与者贪婪选择算法。与传统算法不同的是,该算法除了考虑传统的竞价金额、信誉值、设备能耗等因素,还将参与者的位置重要性作为关键评估因素,并给出了位置重要性的数学模型和评估方法。此外,该算法需要预先对稀疏的感知数据进行数据恢复,采用了本文提出的一种基于压缩感知理论的RSSI定位数据推测方法,保证了用于定位计算的数据质量。经过两个涵盖室内、室外和混杂环境下RSSI开源数据集的模拟实验验证,本文提出的参与者选择算法在获取数据质量和定位精度上均优于其他参与者选择算法。