随着人们日常生活和生产的逐渐发展,对于更高速度和高质量的通信技术的需求日益增大,因此5G（5th generation）通信技术应运而生。作为5G中的关键技术之一,极化码于2008年被首次提出后,第一次在理论上被证明了能够达到香农极限,因此受到众多学者的关注,同时被5G技术所采用,应用于控制信道。在5G系统中,大规模多输入多输出（Multiple Input Multiple Output,MIMO）技术也受到了广泛应用,MIMO技术的主要优点有两个,带宽大并且通信容量高,但是天线数量的增多带来数据量的激增,因此在模数转换器（Analog-to-Digital Converters,ADC）层面使用不同量化精度,可缓解后续处理巨大数据量带来的压力。其中,量化一般分为均匀量化和非均匀量化,输入信号进入量化器后,根据量化级别将其划分为不同的区间间隔,量化间隔相等称为均匀量化,量化间隔不相等称为非均匀量化。本文的研究基于非均匀量化。在混合精度ADC中,高精度ADC的功耗会随着量化级别的增大呈指数级增长;低精度量化会造成非线性失真,给信息传输的可靠性带来挑战。为了解决不同天线经过不同的ADC链路会带来不同精度的问题,本论文研究混合ADC精度场景下,极化码的译码如何进行不同量化级别与码字中接收符号的对应关系的优化。本论文通过最小失真量化算法,明确计算不同量化级别的量化参数,对信道输出进行不同量化级别的整体量化,得到量化输出后完成置信传播（Belief Propagation,BP）译码。仿真结果表明随着量化级别的增大,本文所述的最小失真量化算法的误码性能逐渐接近无限精度量化器下极化码BP译码的误码性能,并且量化级别越高,量化误差越小,达到了本文的设计要求。随后根据此算法提出量化器的优化设计准则,对传输信道进行不同混合精度场景的仿真分析,考虑了两种量化级别混合,及多种量化级别混合的场景。本文的仿真结果表明,当只有两种量化级别混合量化时,若两种量化级别对应的量化信道数量相等,则对信息位信道设置高精度的量化可以获得更好的误码性能;若两种量化级别对应的量化信道数量不相等,则对数量较多的那部分信道设置高精度的量化可以获得更好的误码性能,并且,把信道分为前后两部分的分类情况拥有最好的误码性能。而当存在四种量化级别的多精度混合量化时,其性能不如中精度的整体量化效果。