真值發現作為整合由不同數據源提供的沖突信息的一種手段，在傳統數據庫領域已經得到了廣泛的研究，然而現有的很多真值發現方法不適用于數據流應用，主要原因是它們都包含迭代的過程，針對一種特殊的數據流一一感知數據流上的連續真值發現問題進行了研究．結合感知數據本身及其應用特點，提出一種變頻評估數據源可信度的策略，減少了迭代過程的執行，提高了每一時刻多源感知數據流真值發現的效率．首先定義并研究了當感知數據流真值發現的相對誤差和累積誤差較小時，相鄰時刻數據源的可信度變化需要滿足的條件，進而給出了一種概率模型，以預測數據源的可信度滿足該條件的概率．之后，通過整合上述結論，實現在預測的累積誤差以一定概率不超過給定閾值的前提下，最大化數據源可信度的評估周期以提高效率，并將該問題轉化為一個最優化問題．在此基礎上，提出了一種變頻評估數據源可信度的算法-CTF-Stream（continuous truth finding over sensor data streams），CTF-Stream結合歷史數據動態地確定數據源可信度的評估時刻，在保證真值發現結果達到用戶給定精度的同時提高了效率．最后，通過在真實的感知數據集合上進行實驗，進一步驗證了算法在處理感知數據流的真值發現問題時的效率和準確率．