信息物理系统是继计算机技术、互联网与移动通信技术之后信息技术领域的又一核心技术,其本质是构建一套信息空间与物理世界之间基于数据自动流动的网络化闭环控制系统。数据是信息物理系统的灵魂所在,通过数据收集实现的对物理世界的状态感知是一次数据自动流动闭环的起点,也是数据自动流动的源动力。因此,如何高效收集数据一直是信息物理系统研究中的重要问题。然而,由于面临用户参与度低、用户质量参差不齐与恶意用户存在、感知资源有限且分布不均和传输信道不可靠等诸多问题与挑战,实现信息物理系统高效数据收集具有相当的难度。针对上述问题,考虑到信息物理系统具有参与用户自私性与多样性、感知资源异构性、感知数据稀疏性等特征,本文沿着用户激励-用户筛选-数据感知-数据传输这一主线,分别研究了面向个性化隐私保护的用户激励、面向高效可靠数据收集的用户筛选、面向广域异构空间的高效数据感知和面向有损信道的可靠数据传输,旨在实现信息物理系统高效、可靠及鲁棒的数据收集。本文的主要贡献与创新点可总结如下:1.用户激励:基于契约理论设计了面向用户个性化隐私保护的激励机制,在保证数据融合精度的基础上,为用户的隐私泄露提供个性化补偿。具体而言,数据收集者在发布数据收集任务前设计一系列合同,每项合同指定一种隐私保护强度和对应的报酬支付。理性用户根据自身利益最大化原则选择与数据收集者签署一项合同,然后按照合同指定的隐私保护强度在原始数据上交前对其进行随机扰动,并得到相应的报酬。本文在完备信息和不完备信息模型下均设计得到一系列最优合同,在满足预算可行性、个体合理性和真实性的条件下能够最大化数据融合精度。仿真实验结果证实了所提出的激励机制的可行性和有效性。2.用户筛选:提出了面向信息物理系统高效可靠数据收集的两阶段用户筛选机制。首先,考虑到信息物理系统中可能存在恶意用户发起数据投毒攻击,基于统计空间插值技术和半监督学习中的自标定思想提出了迭代统计空间插值方法实现从所有参与用户中筛选出可信用户。进一步,考虑到从不同位置的用户收集数据产生的开销和对系统性能的贡献各异,利用压缩感知理论中的正则化互相关性刻画用户感知数据的贡献,并引入多种因素综合衡量数据收集开销,构建了一个优化问题,并通过求解得到在可信用户中进一步筛选出高性价比用户的方案。仿真实验结果证实了所提出的用户筛选机制的有效性。3.数据感知:基于压缩感知技术提出了一种随机非均匀数据感知方法,实现了感知精度与系统能耗间的均衡。具体而言,每个感知节点按照被分配的不同的感知概率随机地参与数据感知,该感知概率由各感知节点传输数据至融合中心的通信能耗和各节点感知数据对于感知精度的贡献值共同决定。基于压缩感知理论的统计有限等距性质构建了一个凸优化问题,并求解得到具有感知精度保障的最高能效的感知概率分配策略。仿真实验结果表明所提出的随机非均匀数据感知方法在保障感知精度的前提下能显著降低系统能耗。4.数据传输:提出了基于双层压缩感知的有损信道数据传输架构。首先,将传输过程中的随机数据丢失建模为压缩感知的线性降维观测过程。然后,为了避免采用长数据包可能导致的块状数据丢失的发生,在发送端发送数据前引入基于压缩感知的简易信源编码操作。最后,接收端根据收到的有损数据利用压缩感知方法重构原始数据。仿真实验结果表明该传输架构不仅可以保证数据的可靠准确传输,还能减小发送数据量,降低传输时延和发送节点能耗。