低密度奇偶校验(Low-density Parity-check,LDPC)码是一种性能逼近Shannon极限的信道编码技术,具有纠错性强、可并行译码、编码灵活等独特优势,是5G通信系统具有竞争力的候选编码方案之一,目前已被3GPP选定为5G-eMBB通信环境下数据信道的编码方案。如何在保持LDPC码优秀译码性能的同时,有效降低LDPC码译码方案的复杂度,是研究者们所关注的问题之一。本文主要对低复杂度的二元LDPC译码算法和非均匀量化方案进行研究,所完成的研究工作和创新性成果如下:1.基于Tanner图的变量节点特性,设计了一种广义的信息处理阈值函数,可适用于当前大多数的基于可靠度的二元LDPC译码算法。当改变阈值参数时,能方便地控制参与迭代处理的节点队列;2.提出一种量化解析度可调的非均匀量化函数,并利用离散密度进化(DE)工具,基于量化间隔和概率分布等策略对量化间隔、量化比特以及解析度等参数进行了优化。仿真实验表明,利用本文优化策略所得到的量化参数,可使得译码算法在较低量化电平(3/4-bit)场景下有效工作,节省了存储比特;3.提出一种基于伴随式和星座映射硬信息的译码算法,该算法在校验节点端仅使用基于伴随式的投票计数机制,可避免了复杂的外信息计算工作;在量化方面引入了本文提出的非均匀量化方案。最后,本文给出了所提算法在普通的加性高斯白噪声信道(AWGNC)以及瑞利信道下的误码性能、译码收敛速度以及参与实际迭代处理的节点队列等。仿真结果表明,与本文提出的广义阈值函数结合后,所提译码算法在迭代过程中仅有约30%的变量节点进入处理队列,极大地降低了译码复杂度;同时,本文算法能获得与现存的基于可靠度的最小和译码算法(RBI-MSD)相当的译码性能,其性能差距在0.2dB以内。