2008 年，Ar?kan 教授提出极化码 (Polar code) 的编码和译码方式，证明了对于二进制离散无记忆信道，这种全新的编码方式可以达到香农极限。然而，随着新兴的物联网(IoT)技术及其应用的快速发展，人们对极化码译码器译码效率的要求快速提高，随之而来的是译码器硬件复杂度的增加，这使得设计者们必须不断地在译码性能和硬件复杂度之间寻求平衡。
　　首先，我们将近似计算技术引入极化码的BP译码器设计中。在实际应用中，人们对于计算系统并不总是要求100%的计算精确度，近似计算是一种以可接受的计算精度降低来换取大量硬件资源消耗的技术。近似计算技术在具有抗干扰能力或是纠错能力的计算系统，如：图像处理、手写识别和一些神经计算系统中可以实现大大降低系统硬件复杂度的作用。通信系统的纠错码译码也可以认为是一种纠错系统，因为它可以处理带有噪声的信道输入信号。通过对极化码BP译码器的近似化处理，我们可以根据具体场景和使用者的要求，设置不同的近似参数，在译码性能和译码器的复杂度之间做出平衡。
　　另一方面，以随机比特序列进行运算的随机计算 (Stochastic Computing)，是传统二进制计算电路的一种更低成本的替代方式，凭借其超高的硬件使用效率和良好容错性著称，可以达到以最低的硬件代价来实现逻辑运算的功能。但是，运算精确度低的缺点一直限制了随机计算的大量推广和应用。基于此，本文将极化码的BP译码算法在概率域进行转换，设计一种基于随机计算的极化码BP译码算法，并给出了对应的优化策略，在保证其译码性能的同时，大大降低其硬件复杂度。
　　首先，我们对现有的基于传统二进制计算的极化码BP译码算法进行分析，将以似然比(LR)形式存储的信道信息从实数域转化为概率信息，并用随机序列来对其进行表示。接着，我们从信道信息的初始化、BP算法中译码节点的更新公式以及判决规则三个方面对基于传统二进制计算的 BP 译码算法进行改造，给出基于随机计算的极化码BP译码算法和对应的电路设计方案。
　　接着，我们从随机计算本身的精度出发，分析了影响随机计算精度和随机译码器译码性能的因素：随机序列的波动性、随机比特序列的精度以及随机比特序列之间的相关性。
　　之后，根据影响基于随机计算的极化码 BP 译码器译码性能的 3 个因素，我们分别给出了对应优化策略，包括：调整随机比特序列长度、分阶段部分序列重排和信道信息缩放等策略，并给出了对应的电路设计模块。基于matlab的译码性能仿真结果表明，采用了上述优化模块的随机译码器的译码性能可以达到传统BP译码器的性能水平。同时，硬件综合结果显示，随机计算技术的引入，给BP译码器带来了巨大的硬件效能的提升。