随着信息与网络技术的飞速发展，视频传输受到了工业界和学术界的关注，视频服务的需求和应用也越来越广泛。高效的视频传输对于人们在视频通信、视频应用中有着极其重要的影响。在实际传输和应用过程中，存在着诸多因素会影响视频的质量，导致视频的失真，从而影响接收端用户的主观体验。一般而言，从视频的角度，视频具有码率平稳、对传输丢包敏感等特性;从网络的角度，网络环境复杂、带宽波动性大。尤其在无线网络中，网络带宽具有时变特性，影响传输丢包的因素多。可以看出，视频与网络的特性是相互矛盾的，如何在复杂的网络环境下提供高质量的视频服务，一直是研究的热点。一方面，有限的网络资源和波动的网络环境要求视频码率具有自适应能力:1）视频码率过小，将导致视频质量差，带宽利用率低;2）视频码率过大，带宽难以承受，引起播放卡顿现象，导致用户体验下降。另一方面，网络丢包或传输错误不可避免，传输保护和纠错对提高视频质量至关重要:1）冗余保护过大，会造成资源浪费，冗余保护过小，无法达到纠错的目的;2）视频数据具有不对等重要性，非对等差错保护必不可少。考虑视频与网络各自的特性，本文以信源信道联合优化为出发点，重点研究基于非对等差错保护的自适应视频传输，用于提高视频传输的质量。首先，本文提出了一种基于非对等差错保护的信源信道联合优化传输框架，联合优化信源码率自适应策略和信道保护策略，接下来，本文针对信源码率自适应策略、不同网络环境下的信道保护策略进一步展开深入研究。　　本文的主要创新点包括以下几个方面:　　(1)提出了一种基于非对等差错保护的信源信道联合优化传输框架:针对多天线(MIMO)系统上的可伸缩视频传输，联合基于视频层截取的视频码率控制和基于视频层-信道调度及前向纠错编码(FEC)的非对等差错保护，本文提出了一种基于非对等差错保护的信源信道联合优化传输框架。通过自适应截取合适的视频层、动态调整视频层-信道之间的映射关系和FEC码率，实现视频层的非对等差错保护，提高视频传输质量。本文将该信源信道联合优化框架形式化描述成一个非线性最优化问题，并提出了一种低复杂度的分支限界求解算法。具体而言，通过视频层截取，将原始最优化问题分解成多个子问题。针对每个子问题，依据香农第二定理，本文将视频层-信道调度问题转化成一个NP完全的0/1多背包问题，并利用改进的拉格朗日算法进行求解;通过拉格朗日放松，将FEC码率分配问题转化成一个无约束的整数优化问题，并提出了一种低复杂度的模糊代理次梯度求解算法。　　(2)提出了一种基于控制论的HTTP动态码率自适应策略:在基于动态HTTP流媒体传输(DASH)场景下，本文对上述信源信道联合优化框架中的信源码率自适应展开深入研究，并提出了一种基于控制论的信源码率自适应策略。为了对抗多服务器带宽的异构性导致码率更新不同步和视频片段下载结束时刻乱序等问题，作者提出了基于视频块(block)的码率自适应策略，并依据服务器带宽的比例动态调整视频块的长度和视频片段(fragment)的调度策略。通过在接收端缓冲区设置两个阈值，并以这两个阈值为操作点调整视频码率，从而过滤了带宽抖动导致的频繁码率波动。作者将码率控制逻辑抽象成一个非线性控制系统，并对其进行线性化，最后通过比例控制器进一步提高码率控制的性能。实验测试床和真实网络实验结果表明，本文提出的码率自适应测策略能保证连续的、平滑的和高质量的视频播放。　　(3)提出了一种基于视频层-信道自适应调度的MIMO可伸缩视频广播策略:在MIMO广播场景下，本文深入研究了上述信源信道联合优化框架中基于视频层-信道自适应调度的非对等差错保护策略。与单播相比，MIMO广播中的视频层-信道自适应调度策略面临更大的挑战，这是因为在MIMO广播中，每根发射天线对应多个客户端，构成一个向量信道。通过数学形式化描述，作者将MIMO广播中的视频层-信道自适应调度问题抽象成一个非线性组合优化问题，并提出了一种低复杂度的基于分支限界的视频层-信道调度算法。通过逐层为视频层分配天线，将原始问题分解成多个子问题，并求解各个子问题对应视频失真的界。一方面，依据每根天线与所有用户之间丢包率的均值进行视频层-信道调度，得到视频失真的上界;另一方面，通过松弛约束条件，将视频层-信道调度问题转化成一个标准的指派问题，并推导出视频失真的下界。最后，通过剪枝技术删除部分子问题，降低算法复杂度。　　(4)提出了一种基于多用户MIMO无线网络的可伸缩视频传输优化策略:最后，在多用户多链接的复杂MIMO无线网络环境下，本文进一步研究可伸缩视频的传输优化策略。通过自适应天线分组和自适应链路选择，充分利用MIMO系统的空间分集与空间复用优势，实现可伸缩视频层的非对等差错保护，提高视频传输的质量。作者首先对天线分组和链路选择进行建模，并将该传输策略形式化描述成一个NP-hard的最优化问题。为了降低算法复杂度，本文利用遗传算法求解链路选择问题，通过“编码”，“变异”，“交叉”以及“选择”，找到链路选择方案。针对天线分组问题，提出一种基于深度搜索优先的分支限界方法，将原问题转化为一个0/1背包问题，降低算法搜索空间。