无线内窥镜机器人在全自动/半自动消化道病灶筛查、体内驻留监查、靶向投药、体内活检等未来诊疗应用方面表现出了极大的潜力。内窥镜机器人性能依托于其多维信息感知能力。论文研究工作力求为新型无线内窥镜机器人构建统一的多维信息感知框架,研究在这个框架下具有共性的感知问题和方法。针对无线内窥镜机器人复合图像采集的特点,将压缩感知与多光源同步照明结合,搭建一个同步主动照明压缩成像系统框架。基于统一框架,分别给出多光谱压缩成像、时域压缩成像等的协同测量方案。多通道光源、压缩编码器件和传感器在同步时钟下配合完成压缩测量。基于高信噪比信号辅助估计噪声污染的相关信号,提出一种基于边信息引导的多维信息感知框架。基于该框架为多维信息压缩感知构建低秩张量重构模型,并给出一种强健的迭代解算方法。针对多光谱编码孔径单次曝光成像,在该方法的基础上,提出彩色边信息的多光谱低秩重构算法,有效提高了重构质量。针对内窥镜场景光强高动态的特点,提出一种基于自适应孔径编码的压缩感知方法,基于奇数帧累计光强预测偶数帧饱和区域的机制和灰度编码的方法,有效地改善过饱失真问题。基于提出的边信息引导估计框架,针对单目多视角深度图像估计精度低且不稳定的问题,在端到端的深度卷积网络构架上,提出一种递归变参的代价生成的方法,有效地提升了单目稠密深度图像重构的精度和稳定性。针对无线指纹因异常信号影响定位精度的问题,提出一种无线多径指纹模型。该模型将无线位置指纹特征描述子投影到再生核希尔伯特空间,引入仿射包最邻近点之间的欧氏距离度量位置的相似性。基于其增广拉格朗日函数,给出了该模型的交替迭代求解方法。该方法提高了定位系统抑制异常信号的能力。针对内窥镜在线目标跟踪和重定位的特点,设计一种新的旋转不变的类哈尔统计描述符和基于置信统计的简化统计随机森林判别器。基于孪生深度神经网络和手工描述子复合的框架,搭建一种基于位置精细融合的在线跟踪和重定位方法。临床内窥镜视频测试表明其性能优于现有主流孪生网络跟踪和重定位性能。