下面我们对此迭代译码原理做一简要的讨论。假定tubo码译码器的接收序列为 y=(y',y),where y'is the received systematic bit sequence and y is the received parity-check sequence.冗余信息y经解复用后得到两个观测序列yP={P)和y2P={bP, 1≤k≤N,分别送给decl和dec2。这里，ym,m=lor2,is the noisy observation of if is not punctured;.otherwise,.setP=0(implying no observation obtained).于是，两 个软输出译码器的输入序列分别为： decl:y=(y',yP), dec2:y=(y',y) 为了使译码后的比特错误概率最小，根据最大后验概率(MAP)译码准则，tubo译码器的 最佳译码策略是，根据接收序列y计算后验概率(APP)P(u)=P(4:y",y2): MAP rule:arm(y) (4.2) 显然，式(4.2)的计算对于码长稍微长一点的码来说，计算复杂度太高。在tubo码 的译码方案中，巧妙地采用了一种次优译码规则，将y四和y2)分开考虑，由两个分量码 译码器分别计算后验概率P(4Iy",L)和P(4:Iy,Lg),然后通过decl和dec2之间 的多次迭代，使它们收敛于MAP译码的P(u:y",y2）,从而达到逼近Shannon限的性 能。这里，和L为附加信息，其中L由decl提供，在dec2中用作先验信息：L 由dec2提供，在decl中用作先验信息。具体推导如下： P(u=uly'.y.y)=>P(uly'.y.y) 王p0产yIno =￡pwmn0,ImP lyy") From distribution separation, Puly,yP)≈ΠPu.Iy',yP) 4124-12 下面我们对此迭代译码原理做一简要的讨论。假定 turbo 码译码器的接收序列为 ( , ) s p y  y y ，where ys is the received systematic bit sequence and p y is the received parity-check sequence. 冗余信息 p y 经解复用后得到两个观测序列 11 2 2 {} {} pp p p k k y y = 和= y y , 1  k  N，分别送给 dec1 和 dec2。这里， p , 1 or 2 m k y m  , is the noisy observation of mp k x if mp k x is not punctured; otherwise, set p 0 m k y  (implying no observation obtained). 于是，两 个软输出译码器的输入序列分别为： dec1: (1) 1p (, ) s y yy  , dec2: (2) 2p (, ) s y yy  为了使译码后的比特错误概率最小，根据最大后验概率(MAP)译码准则，turbo 译码器的 最佳译码策略是，根据接收序列 y 计算后验概率（APP）   (1) (2) () | , Pu P u k k  y y ： MAP rule: 1 2 {0,1} ˆ arg max ( | , , ) s p p k k u u Pu u    yy y (4.2) 显然，式(4.2)的计算对于码长稍微长一点的码来说，计算复杂度太高。在 turbo 码 的译码方案中，巧妙地采用了一种次优译码规则，将 (1) y 和 (2) y 分开考虑，由两个分量码 译码器分别计算后验概率   (1) (2) | , P uk e y L 和   (2) (1) | , P uk e y L ，然后通过 dec1 和 dec2 之间 的多次迭代，使它们收敛于 MAP 译码的   (1) (2) | , P uk y y ，从而达到逼近 Shannon 限的性 能。这里， (1) Le 和 (2) Le 为附加信息，其中 (1) Le 由 dec1 提供，在 dec2 中用作先验信息； (2) Le 由 dec2 提供，在 dec1 中用作先验信息。具体推导如下： 12 12 : ( | , , ) (| , , ) k s p p sp p k u u Pu u P    u yy y u yy y 1 2 : ( , , | ) () k sp p u u p P   u yy y u u 2 1 : ( | )( , | ) () k p sp u u pp P   u y u y y u u 2 1 : ( |)(| , ) k p sp u u p P   u y u u y y From distribution separation, 1 1 1 (| , ) ( | , ) N s p sp n n P Pu  u yy yy 