分布式信源编码(Distribution Source Coding,DSC)理论自1973年被提出,至今已为很多编码和传输技术问题的解决提供了关键指导。然而,目前的分布式信源编码理论多是单独考虑标量信源或者矢量信源的压缩重构,且系统并不适用于某些复杂的场景,因此它仍然存在很多开放性问题。比如当系统欲重构的信源并不全为标量或者矢量,部分信源受到大数量级噪声的影响,且信源数量并非小于编码器数量时,系统的率失真区域(Rate-distortion region)将是多少。这类问题使得系统在某些场景——比如空地联合信息感知场景——的适用性还有很大的提升。这类问题的解决有助于从信息论层面分析不同场景下信源压缩极限的问题。本文提出了一种新的分布式信源编码系统,该系统不仅适用于空地联合信息感知场景,同时对其他场景数据压缩问题的研究提供了一定的指导意义。本文根据已有的分布式信源编码理论,提出了一个CEO(Chief Executive Officer)编码系统,称为空地联合信息感知CEO系统。该系统由一个矢量信源,多个标量信源,多个编码器,以及一个联合译码器构成。系统中的编码器对受到不同量级噪声污染的信源进行编码,而后将编码后的结果传送至联合译码端译码,译码端试图重构出原始信源矢量。系统中标量信源的噪声输出作为译码端的边信息(Side information)。该系统允许信源的数量大于编码器的数量,矢量信源每一维度所受到的噪声强度允许大于各个标量信源所受到的。为进一步形象描述该系统,本文以空地联合信息感知场景中的车联网路口调度情景为例对该系统进行说明,例举的场景作为系统应用的多个场景之一,具有“空中感知宏观模糊,地面感知局部精确”的特点。本文根据所建的分布式信源编码系统,求解出了对应的率失真区域的外界(Outer bound)和内界(Inner bound)。外界的求解根据一个经过变化的熵幂不等式(Entropy Power Inequality,EPI)得到,外界的结论说明,在给定失真限度下,当码率不低于所求码率时,可以实现有损信源压缩。内界的求解基于Slepian-Wolf系统以及Berger-Tung系统的内界得到,从随机码的生成、编码、译码、误差概率估计等方面展开分析。内界的结论说明,理论上至少存在一种信源编码方案,使得译码器可以以渐近于1的概率恢复出信源的估计,使信源与信源估计的平均失真趋近于给定失真。为说明所提出的信源编码系统的性能优势,本文从理论角度对比分析了Oohama等学者所研究的高斯CEO系统的结论。最终发现,本文所提出的分布式系统对应的率失真外界,比Oohama等学者所提出的系统的率失真外界更加紧密,即能够使用更少的比特来重构原始信源。特别地,当系统中的矢量信源退化为标量,且欲重构信源数量改变后,系统将退化为Oohama等学者所研究的分布式信源编码系统,所得结论将退化为Oohama等学者所研究的分布式信源编码系统的结论。由此说明本文所提出的分布式信源编码系统意义,以及所得结论的正确性。