低密度奇偶校验(LDPC)码是一类可以逼近香农容量限的线性分组码。LDPC和积译码中信息更新的次序称为调度,它直接影响译码的收敛速度、误码性能和译码复杂度。在常见的泛洪调度(flooding)中,所有变量节点和校验节点在一次迭代中更新,并将更新的信息传递给相邻节点。泛洪实现相对简单,但收敛速度一般。而在动态调度中,译码器根据边的残余值进行有选择的更新,这样不仅加快收敛,还能改善错误平台。动态调度的主要问题是贪婪性和较大的复杂度。首先,针对贪婪性,提出了基于相对残余的动态调度(Relative-Residual-Based Dynamic Schedule, RRDS)算法,在拥有相同残余值的节点中,优先更新低可靠度的节点,即相对残余值大的节点,从而使选择更有针对性,降低贪婪程度。仿真表明,与目前性能优异的VC-RBP (variable to check residual belief propagation)相比,RRDS调度算法具有更快的收敛速度和更低的错误平台,并且适用于多种LDPC码。其次,提出了基于节点的CN-RRDS (check-node-wise RRDS, CN-RRDS)和VN-RRDS (variable-node-wise RRDS)算法,以降低RRDS算法的复杂度。RRDS算法中,搜索空间是节点间的边,从中找出具有最大相对残余值的边,然后更新相连的节点,与此不同,基于节点的RRDS的搜索空间是节点。由于Tanner图中节点数远小于边数,基于节点进行搜索会大幅度缩短搜索时间。仿真结果表明,该算法的性能接近RRDS且保留了对LDCP码的普适性特点。最后,提出了Min-sum VN-RRDS (MVN-RRDS)和Min-sum CN-RRDS (MCN-RRDS)调度算法。采用Min-sum算法计算相对残余值,进一步降低运算复杂度。仿真结果表明,这两种算法的收敛速度均好于VC-RBP,错误平台更低,且适于多种类型的LDPC码。由于变量节点包含更多的校验信息,基于变量节点的算法均好于基于校验节点的算法。