非二进制 LDPC 码的最小 - 最大译码
研究使用线性节目（LP）编码进行错误纠正，使用优化论的分解方法，开发了一种有效的分布式算法，它具有比置信传递解码器更强的理论保证，并可以用于高效地译码大规模错误纠正码，同时避免了误差底座问题。
Apr, 2012
本文提出了一种用于低密度奇偶校验码的量化解码算法，其中，标准的最小和算法的变量节点更新规则被用信息论准则设计的查找表所替换。研究结果表明，即使使用只有 3 位消息分辨率的算法，也能比使用浮点数的最小和译码器取得更好的误码率；此外，研究了不同的译码器设计参数对译码性能的影响，如设计信噪比和查找表树结构等，并提出了一些复杂度约简技术，如查找表重用和消息字母表缩小。
Dec, 2015
本文介绍了一种新的基于查找表的错误校验码解码方法，使用互信息最大化的查找表替代了传统的变量节点和检验节点，在消息传递解码过程中，互换的信息被表示为具有非常小的位宽度的整数；通过信息瓶颈方法来设计相应的查找表，将二进制码扩展到非二进制码时需要更复杂的查找表设计来应对更高阶的 Galois 场的算术。通过误码率演示图表明本文所提出的方案优于对数最大值译码算法，接近矩和译码。
Oct, 2018
使用可学习的偏置参数，我们提出一种硬件友好的方法，以取代在 Tanner 图中使用乘法权重的深度学习技术，从而改进纠错解码器的性能，并将其与另一种神经解码算法进行比较，结果在考虑的代码中实现了比传统置信传播高 1dB 的错误纠正性能，并取得比乘法算法少 0.1dB 的性能。
Jan, 2017
本研究提出了一种新的算法来生成奇偶校验不等式，用于解码线性分组码，可以通过消除线性规划解码器产生的赝码字显著提高解码器误码率性能，并实现了与 ML 解码之间的性能接近。
May, 2011
本篇研究文章研究了在 Reed-Muller 编码上进行递归列表译码的方法，使用后验概率和排列技术来提高译码性能，在 256 长度的编码和许多长度为 512 的子编码中得到接近最大似然性能的算法。
Mar, 2017
在 6G 网络中，确保极高的可靠性对于信道编码至关重要。我们提出一种创新的解决方案，即增强型神经最小和（NMS）解码器，通过采用新颖的训练方法，在 5G 低密度奇偶校验（LDPC）码中实现了优越的性能，并满足了 6G 低误码要求，同时具备高度的实际应用性。
May, 2024
本文提出了一种基于余类投影的 RM 码高效解码算法，此算法适用于二进制输入无记忆信道；同时提供了基于列表的算法扩展， 并进行了通过模拟实验的性能比较，结果表明本算法在低、高码率下表现优于极化码（SCL + CRC），且在这些范围内的性能接近于最大似然解码器，而且新型解码器支持并行实现。
Feb, 2019
该论文提出了一个超高吞吐量的 LDPC 解码器，使用串行消息传递方法以缓解并行 LDPC 解码器中已知的路由拥塞问题，并利用有限字母传递算法代替标准 min-sum 解码器的变量节点更新规则，从而实现降低位宽的消息，达到显著提高解码吞吐量和降低面积的效果。后续成果表明，在使用自定义伪分层后端设计策略进行放置和路由的情况下，采用串行消息传递结构的有限字母解码器实现了高达 588 Gbps 的吞吐量，面积为 16.2 mm$^2$，每位解码比特平均耗电量为 22.7 pJ，比标准 min-sum 解码器的面积小 3.1 倍，能效提高了 2 倍。
Mar, 2017