参与式感应已成为环境数据收集中一种新颖且有希望的范例。 但是，数据质量问题尚未得到认真解决。 低质量的数据贡献可能会破坏参与感测的有效性和前景，因此激发了对确保高质量数据贡献的方法的需求。 在本文中，我们将质量估计与货币激励相结合，并提出了一种基于质量的参与式感知盈余共享方法。 具体来说，我们设计了一种无监督的学习方法来量化用户的数据质量和长期声誉，并利用异常值检测技术来过滤异常数据项。 此外，我们将剩余的共享过程建模为一个合作博弈，并提出了一种基于Shapley值的方法来确定每个用户的付款。