自由空间光通信技术传输速率高、通信容量大、无频谱限制和安全保密性强,已成为通信领域研究热点。但受大气衰减和大气湍流的影响,使传输的光信号会发生光强闪烁、光束漂移以及光束扩展等,进而导致降低通信系统的可靠性和稳定性。信道编码可以在不改变发射机、接收机结构的条件下有效抑制大气湍流带来的影响,极化码作为一种新型的信道编码技术,其已被证明是目前唯一能达到香农极限的前向纠错码,其具有很大的研究价值。将极化码应用于自由空间光通信中,能有效地提高自由空间光通信系统的性能,本文以此为出发点,对自由空间光通信中极化码译码技术展开分析与研究。本文首先分析了自由空间光通信中大气衰减和大气湍流对大气信道的影响,介绍了大气湍流效应的统计特性,进而给出了近似大气湍流信道的双伽马分布信道模型,探究了其光强概率密度分布。然后对极化码的极化原理、编码构造和常用的译码算法进行了具体的研究和分析。在此基础上,进一步对分别以高误码率性能和低时延为优势的极化码两种常用译码算法进行改进与优化,并应用于自由空间光通信的研究中,提高自由空间光通信的误码率性能。因此,本文主要研究工作如下:（1）针对自由空间光通信下大气湍流引起极化码译码中错误比特难以定位的问题,提出一种自由空间光通信下的LSTM-SCFlips译码方法。首先将极化码串行抵消（SC）译码的对数似然比（LLR）信息序列进行one-hot预编码处理,在不同训练步长下,分析与学习极化码对数似然比信息序列的特征,综合考虑神经预测模型的均方根误差和计算复杂度,并选取合适训练步长,在提升预测结果精确度的基础上,进一步消除预测结果过拟合的现象。通过LSTM神经网络模型定位SC译码第一个错误位,按错误概率大小排序依次进行串行抵消译码算法的单比特或多比特翻转。（2）针对自由空间光通信中大气湍流引起极化码置信度传播译码性能不佳的问题,提出了一种自由空间光通信下极化码DNN-NOMS（Deep Neural Networks-Normalized and Offset Min-Sum）译码方法。首先,把传统的极化码置信传播译码算法因子图转化为类似于低密度奇偶校验（LDPC）码的tanner图,在tanner图展开并转化为深度神经网络（DNN）图形表示的基础上,将MS（Min-Sum）译码方法同时添加归一化因子和偏移因子来给tanner图的边赋予权重,简化极化码对数似然比的计算方法,通过限制训练参数的数量,选取在损失函数最小的条件下的因子参数,训练得到最优归一化因子和偏移因子的译码模型。