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

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

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

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

本文提出了一种基于自监督学习的无监督深度学习解码方案，其将极化码的发生矩阵作为信息标签，使神经网络充当有界距离解码器，大大提高了通信系统的实际应用性能。经计算机模拟验证，与传统编码方案相比，该方案具有更优异的泛化能力和无限接近最大后验概率解码器的数据错误率和块错误率表现。

Jul, 2023

本文提出了一种使用机器学习来定制超完备校验矩阵的方法，通过裁剪不重要的检测节点并优化 Tanner 图中的权重，每个迭代使用不同的校验矩阵，从而在短线性块码上，实现比 BP 译码更好的性能且减少了解码器的复杂度。

Jan, 2020

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

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

探讨利用深度学习方法改进信道解码器进行线性码的近似最优的解码，发现可以通过构建循环神经网络的体系结构来实现解码器参数的绑定，以此有效降低参数数量并提升性能。

Jun, 2017