低密度奇偶校验码（Low Density Parity Check,LDPC）作为一类具有稀疏特性的线性分组码,因为其逼近香农极限的优异性能,让众多学者加入到对它的研究中。目前LDPC码已经被广泛应用于许多实际系统,例如移动通信系统和数据存储系统。但LDPC码本身还有很多领域值得更深一步地探索。本文围绕如何降低LDPC码的错误平层这一课题,开展了如下研究:1.为了降低LDPC码的错误平层,本文提出了一种基于平方剩余（Quadratic Residue,QR）码的广义LDPC码构造方法。QR码是一类数学结构优美的线性分组码,在同等或相近码长下,它比汉明码、里德-穆勒（Reed-Muller,RM）码等分组码拥有更大的最小汉明距离,因此有着更强的纠错能力。通过选取原始LDPC码的某些变量节点作为QR码的信息位,再补充上QR码的校验位,从而构成了广义LDPC码。在不同码长下,与原始LDPC码相比,广义LDPC码均有着更优异的性能;2.为了进一步提高广义LDPC码的性能,本文提出了一种基于陷阱集信息的变量节点挑选算法。通过完成原始LDPC码的陷阱集搜索,选出一类陷阱集,进而挑选出变量节点,并以之为QR码的信息位,实现广义LDPC码的构造。此外本文还设计了一种针对于此码的两阶段译码算法。仿真结果表明,所提出的变量节点挑选算法和译码算法均能有效提升广义LDPC码的性能;3.针对某些码型,上述策略虽然在性能上有了明显的提升,但是经过仿真分析后发现,还有较大的优化空间。为了进一步提高该广义LDPC码的性能,本文提出了将QR码校验比特对应的变量节点也与原始LDPC码中的部分校验节点相连的优化措施,从而既提高QR码校验比特对应的变量节点的可靠性,又让正确的信息拥有更多路径传播。为此本文还提出基于陷阱集信息的校验节点挑选算法。仿真结果表明,在信噪比5.5dB下,码长408,码率0.5的原始LDPC码的误比特率只能达到9.36368?10^8-,而改进后,码长416,码率0.49的广义LDPC码的误比特率能够突破到10^-10这一量级。