随着数字媒体分发技术的发展和智能移动终端的普及,人们对移动应用的需求不断的增长,激增的移动视频流量对通信系统提出了更高的要求,需要在保证数据可靠性的前提下尽可能提高数据的恢复速率,以满足人们对高质量移动视频体验的需求。在此种情形下,传统的流媒体技术已经无法满足移动视频业务的要求,因此基于移动网络模型的增强型多媒体广播多播业务(Evolved Multimedia Broadcast Multicast Service,eMBMS)成为一个研究的热点。eMBMS标准中采用应用层前向纠错技术(AL-FEC)对应用层上的数据通信进行差错控制,数据恢复过程中没有通过校验的数据包被当作删除错误而被丢弃。然而这部分被删除的数据包中仍然含有一定的有效信息,本文着眼于这部分数据包的综合利用问题,通过应用层和物理层的联合纠错,提升通信系统中数据的恢复速率。本文首先建立了联合纠错问题模型,通过分析应用层前向纠错码(AL-FEC)与物理层前向纠错码(PHY-layer FEC),舍弃了AL-FEC码中的包内检错机制,利用接收到的所有数据包对系统进行联合纠错。然后根据包头携带信息的不同,确定了基于随机性生成矩阵和基于确定性生成矩阵两种纠错思路。随机性生成矩阵方向,本文研究了联合纠错中的两个理论界限,提出了一个联合纠错合并算法。首先应用随机线性喷泉思想,分别讨论了理想情况和实际应用中的译码概率,给出了码长的一个理论界限,为接收端确定译码时机提供了理论依据;其次针对联合纠错中信道统计特性未知且时变的信道特性,引入了有状态信道模型,并结合Shannon信息论,给出了联合纠错中码率的一个上界;再次通过模型简化把基于随机性生成矩阵的联合纠错等价为密码学中的带误差的学习问题(LWE),指出了在有限域中不存在复杂度较低的联合纠错算法;最后通过研究LWE的退化问题,提出了一种基于最小二乘法的联合纠错合并算法,综合利用数值映射、实数域上的最小二乘和星座图上的码字判决对接收到的有扰编码包进行联合纠错处理。确定性生成矩阵方向,提出了一个联合纠错框架模型。鉴于LWE问题的困难性,选取了校验矩阵可扩展的BCH码和低密度校验码(LDPC)作为母码来构造联合纠错中的生成矩阵,为构造快速译码算法提供了一个可行性的思路。最后分别对码长的理论界限和联合纠错合并算法做了数值仿真,仿真结果表明,本文的联合纠错方案能够综合利用出错的数据包进行联合纠错,大大提高了数据包的利用率,具有较大的实用价值。