在长距离自由空间光（FSO）通信中,信号强度会因为受到湍流、散射、吸收等因素的影响而衰减,而大气湍流是最重要的因素。大气湍流会干扰光束的传输,降低光通信系统的性能,最终影响通信质量。除了采用传统的差错控制技术以外,寻求优异的信道编译码技术并研究能对抗长延时、高误码的数据传输机制,对提高自由空间光通信的可靠传输能力具有重要意义。数字喷泉码是一种没有固定编码速率约束的编码方式,它不需要确知信道状态便可以自动适配通信链路的变化,成为恶劣条件下充分利用信道传输能力的前向差错控制编码技术。Spinal码是一种灵活的、小码长的数字喷泉码,它可以持续地生成无限数量的编码符号,具有真正的无速率特性。此外,Spinal码对信道中的干扰和噪声具有非常好的鲁棒性,即使在信道很差的时候仍然能有很好的性能。基于以上特点,Spinal码在长距离自由空间光通信中有着非常好的应用优势。然而FSO通信作为在大气信道中传输信息的无线通信方式,由于信道环境等因素的影响使得Spinal码的具体应用及关键技术仍需要深入研究。而机器学习方法因其强大的特征表示和自主决策能力,对解决Spinal码在FSO通信中的具体应用问题有重要意义。本文首先研究了Spinal码的基本原理及基于交织技术的Spinal码优化设计方案,然后介绍了长距离自由空间光通信的信道特性,最后根据Spinal码的特点分析了其在长距离自由空间光通信中的应用优势。针对长距离光通信,尤其是星地光通信中由路径损耗大、传输时延长、反馈信道资源匮乏等导致的反馈重传效率极低的问题,设计了一种基于Q学习算法的Spinal码编译码策略。该策略以减少重传次数为主要目标,通过自适应学习确定每次应发送的编码符号数量,从而优化译码等待时间、提高传输效率。经实验验证,在相同的信道条件下,所设计的传输策略的平均重传次数维持在1次左右,比传统的Spinal码传输方法减少了大约94%-99%,比基于线性滤波的调整方法减少了大约78%-92%。针对信道复杂多变的长距离自由空间光通信场景,设计了一种基于深度强化学习的Spinal码传输策略。为了进一步提高系统的吞吐量,该策略首先建立深度Q网络,然后训练深度神经网络拟合状态-动作值函数来选择能获得最大价值的动作作为输出,从而得到当前信道状态下实现有效通信应传输的Spinal码编码符号数量。经实验验证,与基于线性滤波的调整方法及传统的Spinal码传输方法相比,在相同的信道条件下,本章设计的传输策略提高了约26%-33%的吞吐量。