21世纪以来，随着现代通信技术的迅猛发展，宽带无线移动业务中对传输速率、系统容量和网络可靠性的需求越来越高，数据处理工作量越来越大。另一方面，业务对电路实现的灵活性也提出了要求。这一切，对通信信号处理算法提出了更高的要求，诸如要求算法具有运算速度快、可并行、资源消耗低等特点。现有的一些通信信号算法，面临着进一步的优化和改进。纠错译码是通信基带信号处理中的典型应用，其中低密度奇偶校验码（LDPC）是除了Turbo码之外的另一类逼近香农限的线性分组码，在下一代移动通信系统中被作为标准纠错方法广泛使用。由于LDPC码译码算法是基于迭代思想的译码算法，因此现有的LDPC码译码算法在实现中，存在处理时延不确定、资源消耗大、不利于多核并行实现等问题，因此需要进一步进行优化。人工神经网络是一种具有悠久历史的信号处理方法，具有并行、快速运算等突出优点。本文尝试研究LDPC码的多核并行译码和人工神经网络译码算法，使之具有快速、恒定时延、可并行等特性，以使其能够适应多核处理器平台等应用环境。另一方面，基带信号处理的算法变得更加复杂，运算量也随之急剧增加。多核并行是满足基带信号的复杂算法的理想架构，因此研究现有信号处理算法与多核并行技术的结合来满足通信系统中计算量比较大计算节点的计算需求是有意义的。LDPC自身结构有利于进行并行化，加之人工神经网络的研究越来越成熟，神经网络技术的优势逐渐被业界发现和认可，基于并行思想的LDPC经典译码算法与人工神经网络的有效结合变得有必要也有意义。本文对LDPC经典译码算法进行了研究并将其与现代技术相结合，设计出了基于神经网络的LDPC译码器。本文的研究工作和主要贡献有以下几点：(1)研究了LDPC码的理论和经典译码算法，研究了LDPC码的多核并行化译码方法，并在OpenMP环境中，设计了LDPC码经典译码算法的并行化实现结构；(2)研究了人工神经网络的基本功能和结构特性，以及基于神经网络能量函数的一般线性分组码的纠错码译码算法。(3)基于神经网络分类器思想的一般线性分组码的并行结构分析。设计了基于普通神经网络的LDPC译码算法并行结构。并在此基础上，设计实现了基于多层感知器LDPC译码器。综上所述，本文对LDPC、多核并行思想和人工神经网络进行了较为深入的研究，并将并行思想和神经网络技术分别跟LDPC译码进行了有效地结合，设计实现了LDPC并行译码算法，基于一般神经网络的LDPC译码算法以及基于多层感知器的LDPC译码算法。测试结果验证了并行处理思想与LDPC码结合的有效性，也证明了神经网络的运用，对LDPC码译码计算在性能上的改进。