分布式视频编码（DVC）是一种新兴的视频编码框架，其核心思想是通过将计算复杂度从编码端转移到解码端来实现高效的视频压缩。在DVC系统中，噪声模型对于准确描述边信息（SI）与原始帧之间的残差分布至关重要，直接影响系统的率失真性能。传统的噪声模型通常假设残差服从单一的拉普拉斯分布或高斯分布，然而实际视频数据中的残差往往表现出更复杂的统计特性。针对这一问题，本研究提出了一种基于拉普拉斯-柯西混合分布（Laplace-CauchyMixtureDistribution,LCMD）的相关噪声模型。该模型通过结合拉普拉斯分布的峰值特性和柯西分布的重尾特性，能够更精确地刻画视频残差的非对称性和异常值分布。研究内容包括：1）分析DVC中边信息与原始帧的残差统计特性；2）推导拉普拉斯-柯西混合分布的概率密度函数及其参数估计方法；3）基于该混合分布设计自适应量化与重构算法；4）通过实验验证所提模型在率失真性能上的优越性。实验结果表明，与传统单一分布模型相比，拉普拉斯-柯西混合分布模型能够显著提升解码视频的主客观质量，尤其在动态场景和高噪声环境下表现更为鲁棒。本研究为分布式视频编码的噪声建模提供了新的理论框架，对推动DVC在实际应用中的发展具有重要意义。
