随着通信技术的快速发展和硬件水平的提升,移动智能终端设备也变得日益普及。移动智能终端设备内置了大量传感器,并且具有强大的计算能力,在这样的背景下,移动协作感知平台应运而生。随着智能终端设备的快速发展,移动协作感知系统也变得越来越广泛,该系统可以通过用户收集大量的感知信息,并提取其中有用的信息以满足不同的应用。然而在实际应用过程中,会面临着很多的挑战。首先,移动终端节点的移动具有随机性,节点数量多且分布不均匀；其次,不同节点拥有的资源存在着差异,节点的异构性导致了提供感知服务的差异性；最后,数据的收集过程受参与者的影响,参与者不同的文化和教育背景对收集的感知数据在可信度方面有影响。最终收集的数据将会存在很大的时间和空间间隙,也会存在数据在小范围内冗余度很高,用这样的数据集去评估某一地区的环境指标都会变得很困难。为了解决以上的问题,本文将对移动协作感知系统中数据融合策略进行研究。本文从介绍移动协作感知平台和数据融合的相关技术出发,结合加权平均的思想,利用时间和空间结合的克里金算法,最终在移动协作感知平台上实现了数据融合算法。首先介绍几种数据融合算法,通过对数据融合算法的分析和相关论文的阅读,拟采用克里金算法来解决该问题。然后对移动协作感知平台上数据融合模块进行需求分析和设计,包括数据存储设计、接口设计、网格设计,同时利用GeoLife数据集和GreenOrbs数据集来生成北京邮电大学范围内的实验数据集,该数据集模拟了移动感知系统收集的数据。最后针对克里金算法只对空间维度思考的片面性和单一性,本文提出了时间和空间结合的克里金算法,并进行实验验证,最终在该平台上实现了算法。