目前，随着无线通信技术的迅速发展，对无线视频通信的需求与日俱增。然而，广泛应用于有线网络的传统视频编码技术在无线通信系统中面临着较大挑战：视频终端编码器计算复杂度和能耗受到严格限制，且信道不稳定使重建视频质量无法得到确保。因此，在未来无线视频通信中，需要考虑采用新理论和新技术进行视频的高效、可靠压缩。分布式视频编码（Distributed Video Coding，DVC）是无线通信领域的一种有效的视频编码传输方式，能够将计算复杂度从编码端转移到解码端，具有编码复杂度低、压缩效率高、鲁棒性好的优点。基于信号稀疏性的压缩感知（Compressive Sensing，CS）技术可在信号的采集过程中同时完成信号压缩，节省了存储空间和计算资源，使编码部分得以简化。将压缩感知理论应用于分布式视频编码，形成了分布式视频压缩感知（Distributed Compressive Video Sensing，DCVS）视频编码方式。DCVS充分利用了二者的优点，非常适合于能量、带宽等资源受限的无线视频传输场合，引起了视频编码领域研究人员的普遍关注。本学位论文针对无线视频通信系统面临的问题，以分布式视频压缩感知为研究课题，在保证编码端低复杂度的前提下，以提高视频率失真性能为目的，深入研究分布式视频压缩感知中的若干项关键技术，在以下四个方面获得研究成果：1.针对在分布式视频压缩感知中，视频信号稀疏描述问题，提出一种自适应全局PCA的视频稀疏描述算法。借助主成分分析工具，充分挖掘视频序列的时空相关性，建立视频信号的非局部稀疏模型，通过在已经重建的关键帧中寻找匹配块，并计算由这些匹配块构成样本集的主成分，利用这个主成分对应的矩阵构造一种能够自适应选择、全局的PCA字典，对视频信号更准确的稀疏描述，提高分布式视频压缩感知的率失真性能。2.针对视频压缩感知系统中解码重建问题，从率失真性能和解码复杂度等方面比较现有的视频压缩感知重建算法，在正则化理论的基础上，充分利用视频信号的稀疏特征，进行更准确的稀疏描述，结合视频信号的非局部先验，提出了一种更适合无线传输的基于混合先验（稀疏和非局部相似性）的分布式视频压缩感知重建算法。该方法根据视频信号的时间和空间的冗余特征，构造非局部相关正则化项和PCA稀疏字典，形成新的CS重建目标函数，构建CS重建方程，利用迭代梯度下降法求解。在求解过程中充分利用中间重建的结果，不断对正则化参数进行更新并重建，如此循环迭代，最后得到最优解。其特点是将视频信号的稀疏先验和视频信号的时间和空间相关先验融合，并将其作为正则化项引入到视频重建算法过程中，大大减少了图像边缘和纹理区域出现的块效应和模糊现象，提高了重建的视频帧的质量。改善了DCVS系统的编码性能。3.针对DCVS系统中测量率分配和字典训练问题，提出了一种自适应测量率分配策略和与之匹配的字典训练法以改善系统的率失真性能。在编码端，关键帧进行高测量率的CS测量，非关键帧采用基于自适应测量率分配的分块CS测量。在解码端，首先利用解码的关键帧和测量率分配策略，动态地分配非关键帧中每块的测量率，通过反馈信道将测量率分配信息传输至编码端；接着，通过解码的关键帧获得边信息，并通过自适应训练获得最优字典；最后利用CS重建算法进行视频解码重建。通过改进测量率分配策略和字典训练方法，能够有效提高整个DCVS系统编码性能。实验仿真验证了算法的可行性和有效性。4.为了检验DCVS系统的有效性，设计出一种移动视频通信实验系统，在该系统中，手机终端使用低计算负担和低功耗的CS视频编码器，输出比特流在固定基站或网络服务器中实现CS视频解码，并再次使用传统的H.264/MPEG视频编码器转换成比特流，发送到手机终端，以实现低复杂度解码。仿真实验表明，即使在低码率的情况下仍然能获得较高的视频质量。