本发明提供了一种极化码译码参数的快速优化方法，所述方法首先从收集、整理样本数据开始；然后以样本数据的特点及大小作为依据进行建模，并采用监督学习和随机梯度优化方法来训练网络；然后再将由接收信号计算得到的似然比输入到已完成训练的径向基函数神经网络模型中，输出M；最后将L初始化为M，执行串行抵消列表译码算法。该方法通过将径向基函数神经网络技术与极化码译码技术进行结合，避免了不必要的计算操作，从而极大降低了极化码的译码复杂度。