低密度奇偶校验（LDPC）码具备逼近香农极限的性能,并且译码复杂度相对较低,所以被广泛地应用于各类无线通信场景,如美国下一代数字电视广播标准（ATSC 3.0）以及第五代移动通信系统（5G）的增强移动宽带业务（e MBB）。由于译码算法的好坏直接影响LDPC码字自有纠错能力的发挥程度,为了满足更高吞吐量和速率的传输需求,对于LDPC码的译码算法,要求其具有更好瀑布区性能、更低的误码平层或更快的收敛速度。置信传播（BP）算法是目前译码性能最好的算法之一,但其运算复杂度较高,不易于硬件实现。最小和（MS）算法对BP算法做了简化处理,降低了算法的复杂度,但译码性能损失严重。为了提高MS算法的译码性能,基于缩放因子的最小和（NMS）译码算法和基于偏移因子的最小和（OMS）译码算法被提出,它们都引入了一个固定的校正因子。当NMS算法和OMS算法应用于ATSC 3.0中的LDPC码字时,两种算法的译码性能较MS算法有所提高,但仍有提升的空间,并且NMS算法对某些码字译码时存在较高的误码平层。本文通过简化得到了一种基于广义互信息的改进的最小和（SVNMS）算法,并基于广义互信息和密度进化等理论,推导出一种衡量偏移因子优劣的准则。通过该准则,我们提出了一种基于偏移因子的改进最小和（SVOMS）算法。这两种算法的校正因子都随迭代次数的变化而变化,为了与实际的LLR相匹配,我们通过蒙特卡罗离线获得相应的校正因子序列。基于ATSC 3.0中LDPC码的仿真结果表明,SVOMS算法的性能最接近BP算法,SVNMS算法不仅在瀑布区比NMS算法有明显的增益,并且消除了NMS算法中的误码平层现象。虽然对于部分码字,SVNMS算法的译码性能不如OMS算法,但是SVNMS算法不像OMS算法那样对于信道估计十分敏感。这两类算法都为ATSC 3.0系统中LDPC译码器的实现方案提供了更多的选择。5G等很多低延时的应用场景对于译码的收敛速率要求较高。为了提高译码的收敛速率,LBP算法、RBP算法和NWRBP算法被学术界提出。RBP算法和NWRBP算法都是基于剩余度来合理调整节点信息的更新次序,它们的收敛速率都好于LBP算法。在应用于中短码长的LDPC码时,RBP算法在迭代前期收敛速度更好,但由于它是一种贪心算法,其节点信息更新的顺序并不能保证是全局最优的。NWRBP算法通过更多的节点去接收和传递消息,优化了全局性能,从而获得了比RBP算法更好的性能,但其复杂度大大提高。本文提出了一种基于动态消息联合调度的置信传播（RLBP）算法,它在译码前期采用基于剩余度的动态调度算法,从而加速收敛,在译码后期采用基于非动态调度机制的LBP算法进行译码,使得在复杂度较低的情况下取得优良的译码性能。