Turbo碼是近年來通信系統糾錯編碼領域的重大突破，他以其接近Shannon限的優越性能博得眾多學者的青睞。本文采用基于Max-Log-Map的優化譯碼算法，對狀態量度歸一化計算和滑動窗算法等關鍵技術進行優化，在滿足性能要求的情況下，大大降低算法復雜度。

?

　　1 Turbo編碼器.譯碼器及算法

　　Turbo編碼器采用3GPP的編碼方案，由約束長度K為4，碼率為1/2的RSC編碼器通過1個交織器并行級聯而成，為提高性能對2個譯碼器分別附加3個尾比特使譯碼器的最終狀態為全0。

　　譯碼器采用反饋迭代結構，每級譯碼模塊除了交織器，解交織器外主要包括兩個級聯的分量譯碼器;一個分量譯碼器的輸出的軟判決信息經過處理成為外信息輸入另一個分量譯碼器，形成迭代譯碼，在迭代一定級數后硬判決輸出。

?

　　編碼網格表貫穿整個譯碼過程，任意時刻k～k+1的RSC網格結構如圖3所示，圖中編碼器輸入的0～7狀態可以由二進制表示。

　　下面介紹Max-Log-Map算法。

　　由于需要進行大量的乘法運算和指數運算，Map算法不適用于硬件實現。ERFanian和Pasupanthy最早提出了Map算法在對數域的簡化算*og-Map算法。通過轉換到對數域運算，避免了指數運算，同時乘法變成加法，而加法則變成Max運算，不過由此也會帶來了一定的性能損失。下面簡要描述Max-Log-Map算法。設Ak(s)，Bk(s)，Γk(s)分別代表對數域的前向狀態度量、后向狀態度量和分支度量，其表達式分別可表示為：

?

　　如圖3所示，每個節點狀態s都對應于一個Ak(s)，1個Bk(5)和2個Γk(s)。因此編碼網絡貫穿整個編譯碼過程，譯碼前要先按圖3建立網格映射表。

　　2譯碼器實現的關鍵改進與優化

　　Turbo碼譯碼是一個復雜的過程，之所以這么說，除了算法本身復雜外，還有兩個主要的原因，一個是遞推計算過程中前、反向度量不斷增大給信號處理器帶來的麻煩，即經常說的溢出;另一個是大存儲量需求。這里，就這兩個細節問題進行討論和總結，并且給出詳細解決方案。

　　2.1狀態量度歸一化問題

　　由式(1)，式(2)可注意到，隨著計算的不斷深入，狀態量度值不斷增加，為防止計算溢出和減小硬件復雜度，必須對其進行歸一化處理。一種方法是減去前一時刻狀態度量的最小值，這種方法在每個時刻都需要減法器和用于計算最小值的比較器，當狀態數較多時，由此帶來的額外的時延和硬件消耗是不能忽略的。本算法采用一種十分有效的歸一化方法(以Ak(s)為例)，在每個計算時刻，判斷有沒有狀態度量值(A或B)大于某一門限值T，若有則所有節點的狀態度量值(A或B)都減去T，若沒有則保持原值不變。這樣便大大減少了減法器使用的次數，也無需計算最小值。由于所有的節點都減去了相同的值，因此式(5)的結果不會受到影響。T值不宜設置太大，但設置得太小，歸一化發生的很頻繁，會增加譯碼時延和硬件開銷。通過試驗仿真，若q代表狀態量度值的量化字長，則T設為2q-2為合適。

　　2.2 引入滑動窗減小存儲量

　　由于Turbo碼譯碼算法的迭代特性，每一級Map譯碼器需要大量存儲器。在譯碼時引入滑動窗，能有效減少所需的存儲量。采用滑動窗的Map譯碼步驟為：每次譯碼過程被分為若干段以間隔L(假設滑動窗的長度為L，L《N)連續進行，只需在對nL長的數據進行前向處理后，每個反向子處理過程即可執行，而未使用滑動窗時，需要對整個數據塊處理后才能進行。實驗證明，滑動窗大小選擇7～8倍的約束長度時對誤碼率的性能影響幾乎可以忽略。本算法中約束長度為4，選擇窗口大小為32。下面給出采用滑動窗譯碼前后兩種算法存儲空間分配情況的比較。假設編碼幀長為L，B表示窗口長度，L為B的整數倍。

?

　　按照表1，這個存儲空間為26L，當L=1K時，為26K。如果我們采用分塊譯碼，按照表2，那么整個譯碼的存儲需求為20B+8L，B一般取編碼約束長度的5～10倍，對于8狀態編碼，取B=32，那么這個存儲空間為640+8L，與表1的26L相比要小的多。

?

　　當L=1K時，存儲空間只占原來的33.2%。當編碼幀長L的取更大值時，存儲空間的節約更加可觀，比較得知采用滑動窗后，Turbo譯碼能夠大大節省硬件的存儲資源。