本文研究了 Reed-Muller (RM) 码的子码及其解码，并提供了一种基于机器学习的投影剪枝框架，能以合理的代价维持几乎等同于全投影情况的解码率。

Jan, 2023

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

通过设计一种编码方案，我们探索了极化码和 RM 码之间的关系，并发现插值极化码家族可以在 MAP 译码下提升有限块长度时的性能，同时结合数值仿真证明在擦除通道和高斯通道上的性能增益。

Jan, 2014

采用编码对称性作为研究基础，针对满足条件的一系列线性码，证明了其在 erasure 信道下通过 MAP 解码时能够实现容量；此结果弥补了文献中 Reed-Muller 码及其它相关码在代码率收敛性不为 0 或 1 时容量性质验证的不足，并自然地扩展到所有仿射不变码类，从而肯定二元循环码容量实现的存在性。

Jan, 2016

本文介绍了一种新的混合编码方案 RM-Polar codes，该编码方案采用了 Reed-Muller code 和 Polar code 的结构特点，其中，RM-Polar codes 具有比 Polar codes 更大的最小 Hamming 距离，因此具有更好的误码性能。

Jul, 2014

本研究提出了一种新的极化码构建框架，其中基于遗传算法，定制化地选择某个译码算法的冻结比特位置，以适应译码行为和通道特性，并在成功地构造出匹配无 CRC 辅助 SCL 译码的长度为 2048、编码速率为 0.5 的极化码的同时，大幅减少低重量码字的总数，从而获得了相对于 CRC 辅助译码更优异的 1 dB 的编码增益。

Jan, 2019

本文提出一种基于 Genetic Algorithm 的新型极化码构造框架，通过演化变换不同的信息集来适应于指定的译码算法，而不是基于不一定最优的假设；使用该算法，我们构造了一种极化码，无须 CRC 辅助，达到了与 CRC 辅助 SCL 译码相同的误码率性能，同时在 $10^{-6}$ 比特误率下实现了 1dB 的编码增益。另外，我们还展示了可以通过把我们的算法应用到信念传播译码来接近 SCL 的误码率性能而不需要修改译码算法本身。

Jan, 2019

本文研究了在一般二进制无记忆对称通道上实现最大似然解码所需平均列表大小的信息论量，并提供了这些量的上下界。研究表明可通过修改 Reed-Muller 码等方式改善性能，并且对于足够大的块长度，列表大小的对数具有集中的趋势，该文通过概率质量函数的方式对其进行了说明。

Mar, 2021

本文使用强化学习技术，针对二元线性码设计有效的解码策略，通过将迭代解码算法映射到马尔可夫决策过程中，实现数据驱动的最优决策学习，以比特翻转解码为例研究了在对称二元信道和加性高斯白噪声通道中，重复 - 穆勒码和 BCH 码中得到的解码性能与复杂度之间的折衷，并表明倾向于正确解码决策的学习过程可以加速学习收敛。

Jun, 2019

本研究提出了基于循环编码的一种新型神经解码器，通过利用循环不变性，将我们的神经解码器的权重施加了移位不变性结构，从而实现任何输入的循环移位都能得到相同的循环移位输出。与 BCH 代码和 RM 代码考虑戳孔情况的早期神经解码器相比，我们的系统在解码循环码时性能更优，而新的列表解码过程可以显著降低 BCH 代码和戳孔 RM 代码的解码错误概率，特定高速代码的列表解码器与最大似然译码器之间的差距小于 0.1dB。

May, 2021