技術(shù)特征：

1.一種支持LTE標(biāo)準(zhǔn)的Turbo碼譯碼裝置，由分量譯碼器DEC1和分量譯碼器DEC2串行級聯(lián)而成，其特征在于，首先，系統(tǒng)位信息和經(jīng)過選擇器的校驗位信息一送入分量譯碼器DEC1，產(chǎn)生的外信息經(jīng)過交織器，與經(jīng)過交織的系統(tǒng)位信息以及經(jīng)過選擇器的校驗位信息二一起被輸入到分量譯碼器DEC2，產(chǎn)生的外信息經(jīng)過解交織后送入到分量譯碼器DEC1中，經(jīng)過數(shù)次這樣的迭代運算，對分量譯碼器DEC2輸出的對數(shù)似然比進行解交織后送入判決模塊進行判決即得到最終的譯碼結(jié)果，

每個分量譯碼器有3個輸入，

⑴從信道接收到的系統(tǒng)位信息或經(jīng)過交織的系統(tǒng)位信息；

⑵從信道接收到的相應(yīng)編碼器的校驗位信息

⑶從另一個分量譯碼器得到的每比特的似然信息L^a(u_k)。

2.一種支持LTE標(biāo)準(zhǔn)的Turbo碼譯碼的方法，利用基2Turbo譯碼架構(gòu)來實現(xiàn)LTE標(biāo)準(zhǔn)的Turbo碼，其特征在于包括基于Log-Max-MAP算法、基于滑窗實現(xiàn)的遞歸計算方法和不同碼塊長度下滑窗長度的控制方法，

所述基于Log-Max-MAP算法具體為：

在接收序列為Y的條件下，計算每譯碼比特為+1或-1的概率，相當(dāng)于計算后驗概率的對數(shù)似然值，即L(u_k|Y)，它由式(1)獲得

$L\left(u_k\right|Y)=ln\left(\frac{{\mathrm{\Σ}}_{(s^{\′},s)=\>u_k=+1}{\mathrm{\α}}_{k-1}\left(s^{\′}\right){\mathrm{\γ}}_k(s^{\′},s){\mathrm{\β}}_k\left(s\right)}{{\mathrm{\Σ}}_{(s^{\′},s)=\>u_k-1}{\mathrm{\α}}_{k-1}\left(s^{\′}\right){\mathrm{\γ}}_k(s^{\′},s){\mathrm{\β}}_k\left(s\right)}\right)---\left(1\right)$

其中，(s',s)＝＞u_k＝+1表示在格圖上，當(dāng)?shù)趉時刻輸入u_k＝+1時，由第k-1時刻狀態(tài)S_k-1＝s'到第k時刻狀態(tài)S_k＝s的所有可能的狀態(tài)轉(zhuǎn)移，(s',s)＝＞u_k＝-1的含義與此類似，α_k(s)為第k時刻狀態(tài)S_k＝s的前向狀態(tài)度量，β_k(s)為第k時刻狀態(tài)S_k＝s的后向狀態(tài)度量，γ_k(s',s)為第k-1時刻狀態(tài)S_k-1＝s'轉(zhuǎn)移第k時刻狀態(tài)S_k＝s的分支轉(zhuǎn)移度量，它們的計算公式分別為

α_k(s)＝∑_{all s'}α_k-1(s')γ_k(s',s) (2)

β_k-1(s')＝∑_{all s}β_k(s)γ_k(s',s) (3)

${\mathrm{\γ}}_k(s^{\′},s)=\exp \[\frac{1}{2}{u}_k{L}^a\left(u_k\right)+\frac{1}{2}{u}_k{y}_k^s+\frac{1}{2}{x}_k^p{y}_k^p\]---\left(4\right)$

其中，式(4)中u_k表示第k時刻的輸入信息，表示第k時刻輸入為u_k的條件下編碼器的第p(p＝1,2)個輸出，表示第k時刻的第p(p＝1,2)個觀測信號，

在計算后驗對數(shù)似然比L(u_k|Y)時，Max-Log-MAP算法將這些運算放到對數(shù)域中進行，將乘、除法轉(zhuǎn)化為加、減法運算，從而簡化計算復(fù)雜度，令A(yù)_k(s)＝ln(α_k(s))，B_k(s)＝ln(β_k(s))，Γ_k(s',s)＝ln(γ_k(s',s))，則可以得到

$\begin{array}{c}{A}_k\left(s\right)=\ln \left({\mathrm{\α}}_k\right(s))=\ln \left({\mathrm{\Σ}}_{{\mathrm{alls}}^{\′}}{\mathrm{\α}}_{k-1}\right(s^{\′}\left){\mathrm{\γ}}_k\right(s^{\′},s\left)\right)\\ =\ln \left({\mathrm{\Σ}}_{{\mathrm{alls}}^{\′}}\exp \right(A_{k-1}\left(s^{\′}\right)+{\mathrm{\Γ}}_k\left(s^{\′},s\right)\left)\right)\≈\underset{s^{\′}}{\max }\left(A_{k-1}\right(s^{\′})+{\mathrm{\Γ}}_k(s^{\′},s\left)\right)\end{array}---\left(5\right);$

所述基于滑窗實現(xiàn)的遞歸計算方法具體為：

包括分支度量Gamma計算模塊、前向狀態(tài)度量Alpha遞歸計算模塊RU_A，用于遞歸計算后向狀態(tài)度量Beta起始值的模塊RU_B1，用于遞歸計算Beta正確值的RU_B2模塊和對數(shù)似然比LLR計算模塊，只需等待一個較小的譯碼延遲，傳輸3～5倍約束度碼元個數(shù)的時間，然后開始計算對數(shù)似然比，這個譯碼延遲與等待全部碼元的前向度量迭代計算完畢相比，大大減少了譯碼延遲；

所述不同碼塊長度下滑窗長度的控制方法具體為：

計算滑窗的長度滿足2個條件：

(1)、滑窗的長度<＝256；

(2)、碼塊長度是滑窗的長度的整數(shù)倍且盡可能的靠近256。