CN1773867A - Turbo码译码方法 - Google Patents

Abstract

本发明涉及通信系统中的编解码方法，公开了一种Turbo码译码方法，使得译码器解调数据在量化时计入信道传输的影响，从而提高量化性能，提高译码正确率。这种Turbo码译码方法采用对信道输出信号统计的方法进行信道估计，获得信道特性参数，并根据理论推导公式由信道特性参数计算得到量化系数，对LLR进行非均匀量化，最后输入译码器进行迭代译码。

Description

Turbo码译码方法

技术领域

本发明涉及通信系统中的编解码方法，特别涉及通信系统中的Turbo码译码方法。

背景技术

信息论诞生50多年以来，人们一直努力寻找更加接近香农(Shannon)限、误差概率小的编码方法。在1993年国际通信年会(International Conference onCommunication)上，C.Berrou，A.Glavieux和P.Thitimajshiwa提出了一种称之为Turbo码的编、译码方案，并进行了计算机仿真，仿真结果表明，其编码增益与香农信道容量的差距小于1dB。

由于Turbo码的性能接近香农理论限，在低信噪比的应用环境下比其他编码好，因而第三代移动通信系统多种方案中，考虑将Turbo码作为无线信道的编码标准之一。第三代移动通信系统候选方案普遍要求提供中速或者高速的数据业务，一般的数据业务信道为64kbps、144kbps、384kbps。在低信噪比的无线信道中，Turbo码的性能要优异得多，与第二代移动通信中的级联RS加卷积码相比，Turbo码性能可提高1dB以上。同时，Turbo码具有优异的纠错性能，适用于高速率对译码时延要求不高的数据传输业务，并可降低对发射功率的要求、增加系统容量。

信道编码技术可改善数字信息在传输过程中由于噪声和干扰而造成的误差，提高系统可靠性和信道容量。因而提供高效的信道编译码技术成为第三代(3^rd Generation，简称“3G”)移动通信系统中的关键技术之一。3G移动通信系统所提供的业务种类的多样性、灵活性，对差错控制编译码提出了更高的要求。3G候选方案宽带码分多址(Wideband Code Division MultipleAccess，简称“WCDMA”)和码分多址2000(Code Division Multiple Access，简称“cdma2000”)都建议采用除Turbo编码技术。

Turbo编码器由两个系统递归卷积(Recursive Systematic Convolution，简称“RSC”)编码器、交织器和删除器组成。每个RSC编码器有两路交验位输出，两个输出经删除复用后形成Turbo码。事实上，当码率大于2/3时，在任何大小信噪比情况下，由于RSC编码的自由距离都比非系统卷积(Nonsystematic Convolution，“NSC”)编码大，比特误码率(Bit Error Rate，简称“BER”)比其小，显出更好的性能，因而Turbo码中采用了RSC编码器。

在Turbo码编码过程中，输入信息编码器的信息单元一方面直接输入第一个RSC编码器进行编码，生成一个校验序列；另一方面经过交织器交织后，产生一个经交织的系统序列，经过第二个RSC编码器产生另一个校验序列。编码器由多个存储单元构成，其输入为信息比特。为使编码器初始状态置于全零状态，需在信息序列之后增加尾信息比特，而要使两个编码器同步置零，要在不进行交织的一路加上延时。

Turbo码编码的交织器通常是对输入的原始信息序列进行随机置换后从前向后读出。交织器的两个主要作用是：可以产生长码；使两个RSC编码器的输入不相关，编码过程趋于独立。交织使编码产生随机度，使码随机化、均匀化，起着对码重量整形的作用，直接影响Turbo码的性能。在译码端，由于交织使得信息相互关联，对于某一个子译码器来说不可纠正的错误事件，交织后在另一个译码器被打散，成为可纠正差错，由此提高容错性能。

图1示出了3G移动通信系统所采用的Turbo码编码器组成结构。该编码器包含两个基于8PCCC的RSC编码器101和102和一个Turbo码内部交织器103，编码速率为1/3。RSC编码器用移位寄存器实现，在开始输入时移位寄存器初始值被置为0。输入比特流为x₁，x₂，...，x_K，同时输入RSC编码器101和Turbo码内部交织器103，K为比特流长度。经过交织后从Turbo码内部交织器103输出为x′₁，x′₂，...，x′_K，交织后的信息进入RSC编码器l02。输出比特流z₁，z₂，...，z_K and z′₁，z′₂，...，z′_K分别从RSC编码101和102输出。

Turbo译码器由两个软输入、软输出的译码器、交织器、去交织器构成，经对输入信号交替译码、软输出多轮译码、过零判决后得到译码输出。

Turbo码译码算法基于最大后验概率(Maximum a Posteriori，简称“MAP”)算法或者是软输出维特比(Soft-output Viterbi Algorithm，简称“SOVA”)算法。MAP算法是最小化符号或比特差错概率，SOVA算法是最小化序列差错概率。在低信号噪声比(Signal Noise Ratio，简称“SNR”)环境下，MAP算法比SOVA算法的性能有较大改善，但是MAP算法在每一时刻都要考虑所有路径，并且其运算是乘法和指数运算，比较复杂。SOVA算法中的运算是简单的加法运算、比较和选择。

MAP译码算法又分对数MAP率(LOGMAP)和最大对数比MAP(MAX-LOGMAP)两种，虽然其复杂度较高，需要较大的运算量和存储空间，但译码性能较好。因此WCDMA的Turbo译码采用的是MAP算法。MAP算法是基于码元的译码算法，根据接收序列，估计出格栅图上连续两个时刻的(K-1，K)所有转移的概率，再通过这些概率值求出K时刻判决的软输出。总的来说就是基于网格，采用迭代译码，通过前反向递归求得每一解码比特的最大后验概率对数比。

图2示出了3G移动通信系统所采用的Turbo码译码器组成结构。主要组成部分为两个MAP译码器及编码器相关的交织器和去交织器，每个译码器(Decoder)输入三个对数似然比(Log-Likelihood Ratio，简称“LLR”)。即先验信息、码信息和校验信息，DEC根据这两个LLR译码产生软输出。其中，交织器(Interleaver)与Turbo码编码器中的交织器相对应。通过交织实现两个独立的解码系统，并使得相互迭代成为可能。

图中第一个译码器201输入为系统比特的先验信息L^a1(X)、系统比特L(X)和校验位L(Y)，经过译码产生软输出L^e1(X)。第二个译码器202输入为先验信息L^a2(X)、系统比特L(X’)和校验位L(Y’)，经过译码产生软输出L^e2(X)。其中用于第二个译码器202的系统比特L(X’)和校验位L(Y’)都是经过交织器交织的。

为了实现两个译码器201、202的相互迭代，将译码器201的软输出L^e1(X)经过交织作为译码器202的先验信息L^a2(X)，将译码器202的软输出L^e2(X)经过去交织后作为译码器201的先验信息L^a1(X)。在初始状态，L^a1(X)为0，译码器201的输出软信息L^e1(X)经过交织后送到译码器202作为先验信息L^a2(X)。译码器202的输出软信息L^e2(X)经过去交织后又送回译码器201作为先验信息L^a1(X)。在经过固定次数的迭代后，最终的软信息输出为下面三项之和：译码器201的软信息输出L^e1(X)，译码器202的外部软信息L^e2(X)，系统比特的信道L(X)，对输出的软信息进行硬判决即为最终的译码结果。

上面所述Turbo码译码技术中，所操作的数值均为LLR，即对数似然比。而输入译码器译码之前的软信息必须要先经过量化，成为定点数才能作为译码器的LLR输入。显然，采用何种量化方法将经过信道传输后的数据进行量化对译码器的译码性能将产生很大影响，直接决定译码性能、影响误码率。

目前通常采用的量化方法为三倍均方差算法。该方法是基于对数据的正态分布假设，根据概率论，正态分布的随机数据样本集中分布在期望值附近，概率密度在期望值处达到最大，并往两边按钟型分布衰减。而99％以上的数据分布在期望值左右三倍方差的范围之内。因此，一般工程应用中，对于正态分布的随机数据，只需考虑期望值正负三倍方差的范围。

三倍均方差算法是一种均匀量化算法，先根据数据的统计参数(均值和方差)求得上下边界，然后将原始译码前数据均匀量化到要求的输出范围之内。实现步骤如下：

首先，对译码前的数据进行统计，统计也可以按时段进行，即这一时段采用上一时段的统计数据。设X_i为译码前数据，N为数据长度，则根据以下式子求得均值、均方值、均方差。

1)计算绝对值均值：

$E\left(\right|X\left|\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|X_i\right|$

2)计算均方值

$E\left({\left|X\right|}^2\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left|X_i\right|}^2$

3)计算均方差：

$t=\sqrt{E\left({\left|X\right|}^2\right)-E{\left(\right|X\left|\right)}^2}$

然后，根据均方差和均值求得上下边界，为了满足上下边界对称，一般取上边界为绝对值均值加上三倍的均方差，即上边界：B⁺＝E(|X|)+3*t，而下边界与之对称：B^-＝-B⁺。这样不但可以保证上下边界对称，而且可以保证绝大多数数据落在该范围之类。

最后在该范围内进行均匀量化，超过该范围的值则被截断。比如采用8位均匀量化，则先计算计算量化间隔d＝B⁺/127，然后按下式计算X_i量化后的数据Out_i：

${\mathrm{Out}}_i=\left\{\begin{array}{ccc}127& X_i\≥B^{+}& \\ -128& X_i\≤B^{-}& i=1,..,N\\ [X_i/d]& \mathrm{else}& \end{array}\right.$

其中，[□]为取整运算。

现有技术方案在通过上述三倍均方差方法进行量化后，将数据送入译码进行迭代译码，即完成了Trubo码的译码过程。

在实际工程应用中，编码后的数据经过信道传输后到达接收端，则译码前的解调数据必然与信道相关，即信道的特性将在很大程度上影响解调数据的分布特性。而三倍均方差量化算法只是简单地对译码前数据进行均匀的量化，没有考虑信道的影响因素，对数据的估计存在缺陷，这将会导致部分译码性能的下降。实际上在WDCMA中利用物理信道的导频信息可以得到很精确的信道估计。如果能够利用译码前已知的一些信道估计信息来进行量化，会极大地改善Turbo译码器的译码性能。

在实际应用中，上述方案存在以下问题：量化时对数据的估计存在缺陷，量化精度不够高，导致译码性能下降，严重影响通信系统性能。

造成这种情况的主要原因在于，简单的假设数据分布特性，而没有考虑信道对译码前的解调数据的影响因素，没有利用现有的信道估计数据来进行量化。

发明内容

有鉴于此，本发明的主要目的在于提供一种Turbo码译码方法，使得译码器解调数据在量化时计入信道传输的影响，从而提高量化性能，提高译码正确率。

为实现上述目的，本发明提供了一种Turbo码译码方法，包含以下步骤，

A信道估计得到信道特性参数；

B根据所述信道特性参数计算得到量化系数，并对对数似然比进行非均匀量化；

C将量化后的所述对数似然比输入译码器，进行迭代译码。

其中，所述信道特性参数包含信号噪声比和信道衰减系数；

所述步骤B中，所述量化系数由所述信号噪声比和所述信道衰减系数计算得到。

所述步骤A中，所述信道估计是通过在信道中传输导频信号实现的，所述信号噪声比和所述信道衰减系数是根据所述导频信号估计得到。

所述步骤B中，所述量化系数等于两倍的所述信号噪声比除以所述信道衰减系数。

所述信道特性参数包含所述信道衰减系数和信道噪声功率；

所述步骤B中，所述量化系数等于两倍的所述信道衰减系数除以所述信道噪声功率。

所述步骤A包含以下步骤，

对信道输出信号的绝对值进行统计，得到均值和均方差；

所述信道衰减系数等于所述均值，所述信道噪声功率等于所述均方差。

所述步骤A中的信道估计在上一个传输时间间隔内完成，得到所述均值和方差；

计算得到所述量化系数，用于当前传输时间间隔内对所述对数似然比的量化。

所述步骤A包含以下子步骤，

根据先验译码结果修正所述信道输出信号的统计信息，得到修正均值和修正均方差；

所述信道衰减系数等于所述修正均值，所述信道噪声功率等于所述修正均方差。

在同一传输时间间隔内，首先在所述步骤A中，对所述信道输出信号进行预译码，获得所述先验译码结果，用于所述信道估计，经过所述步骤B后，在所述步骤C中进行所述迭代译码。

通过比较可以发现，本发明的技术方案与现有技术的区别在于，采用对信道输出信号统计的方法进行信道估计，获得信道特性参数，并根据理论推导公式由信道特性参数计算得到量化系数，对LLR进行非均匀量化，最后输入译码器进行迭代译码。

这种技术方案上的区别，带来了较为明显的有益效果，即由于信道对LLR值的影响因素被很好的估计并考虑到非均匀量化中，因此得到的LLR量化值更加精确，从而译码正确率得到显著改善，误码率下降，Turbo码编码性能大大提高。

附图说明

图1是Turbo码编码器的结构框图；

图2是Turbo码解码器的结构框图；

图3是根据本发明的一个实施例的Turbo码方法流程图；

图4是根据本发明的一个实施例的Turbo码译码器性能比较示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

本发明利用移动通信系统现有的信道估计方法或者分段数据统计方法获取信道特性参数，然后根据信道特性参数来计算得到数据在信道中传输后的输出LLR的系数，并根据此进行非均匀量化，最后经过量化以后得到的LLR输入解码器中，由两个解码器在非交织域和交织域进行相互迭代解码，最终得到Turbo码译码输出。由于本发明很好的考虑了信道对数据传输的影响因素，并应用于译码前解调数据的量化中，使得译码性能大大提高，编码系统的误码率显著下降。本发明所给出的量化系数计算公式是经过严格的理论推导得到的，这保证了非均匀量化的正确性，而且最终实验结果也显示了该方法的性能比现有技术有较大提高。

在本发明的一个实施例中，如前所述，3G移动通信系统的Turbo编码器的输出为x、y、y′序列，其中x为系统比特，y为校验比特，y′为经过交织后的校验比特。在发送端，编码器输出信号经过调制后由发送端送往无线信道传输。在射频调制之前，信号会做如下影射：

x，y，y′＝1→-1

x，y，y′＝0→+l

使得信号值能对称分布。信号经过信道传输必然会受到信道的影响。因此信道的类型将是一个关键因素之一。在工程应用或科学研究种，往往对信道进行建模，信道的模型有很多种，比如瑞利衰减(Rayleigh)信道模型、加性高斯白噪声(Additive White Gaussian Noise，简称“AWGN”)信道模型等。

在本发明的一个实施例中，考虑到实际情况，采用AWGN信道模型来进行信道估计。该模型认为传输信道是一个附加了高斯白噪声的衰落信道。具体的说，系统比特、校验比特等信号在经过信道传输后输出可以表示为：

S(t)＝a(t)s(t)+n(t)

其中S(t)表示X(t)，Y(t)，Y′(t)之一，a(t)表示a_x，a_y，a_y′之一，n(t)表示n_x，n_y，n_X′之一，s(t)表示x，y，y′之一。a(t)为信道衰减系数，n(t)为信道传输中增加的高斯白噪声，其均值为0，均方差为N₀/2。假设信道的衰减系数a(t)为已知，S(t)即为已知收到的译码前数据，那么S(t)-a(t)s(t)就为一均值为0，均方差为N₀/2的高斯分布随机变量。因此可以在已知s(t)的情况下写出S(t)的先验概率密度：

$p\left(S\left(t\right)\right|s\left(t\right),a\left(t\right))=\exp (-\frac{{(S\left(t\right)-a\left(t\right)s\left(t\right))}^2}{N_0})$

于是，根据定义，可以得到经过该信道传输以后的信号的LLR如下：

$L\left(S\left(t\right)\right)=\log \frac{p\left(S\left(t\right)\right|s\left(t\right)=-1,a\left(t\right))}{p\left(S\left(t\right)\right|s\left(t\right)=+1,a\left(t\right))}$

$=\log \frac{\exp (-\frac{{(S\left(t\right)+a\left(t\right))}^2}{N_0})}{\exp (-\frac{{(S\left(t\right)-a\left(t\right))}^2}{N_0})}$

$=-\frac{4a\left(t\right)S\left(t\right)}{N_0}$

＝-L(t)S(t)

其中对应于系统比特、校验比特和交织后校验比特的信道输出信号分别为：

L(X(t))＝-L^x(t)X(t)，L(Y(t))＝-L^y(t)Y(t)，L(Y′(t))＝-L^y′(t)Y′(t)。

可见，信号在经过信道传输后输出的LLR值并不与原信号成简单的线性非时变的关系，而是与信道的衰减特性、时变特性紧密相关。因此我们在对LLR值进行量化的时候必须考虑系数L^x(t)，L^y(t)，L^y′(t)的影响。

在本发明的一个实施例中，以L^x(t)，L^y(t)，L^y′(t)作为量化系数对LLR进行非均匀量化，并将量化得到的离散值作为解码器的输入，如前所述，量化后的系统比特信号、校验比特信号的LLR值直接输入到第一个解码器，而交织后的系统比特信号和交织后的校验比特信号的LLR在量化后输入到第二解码器。另外，第一解码器的软输出信号交织后作为第二解码器的先验信息，第二解码器的软输出信号交织后作为第一解码器的先验信息。两个解码起相互迭代译码即可实现Turbo码的译码。

上述Turbo码译码方法的关键步骤在于量化系数L^x(t)，L^y(t)，L^y′(t)的求解。在本发明的一个较佳实施例中，由量化系数的表达式写为：

$L^x\left(t\right)=\frac{4a_x\left(t\right)}{N0}=2\frac{a_x\left(t\right)\×a_x\left(t\right)}{a_x\left(t\right)\×N0/2}=2\·\frac{P_x}{N_0/2}\·\frac{1}{a_x\left(t\right)}=\frac{2\mathrm{SNR}}{a_x\left(t\right)}$

其中P_x＝a_x(t)×a_x(t)为信号功率，N₀/2即为高斯白噪声的功率， $\mathrm{SNR}=\frac{P_x}{N_0/2}$ 即为信号噪声比。则同理可得L^y，L^y′的表达式。

可见，量化系数可以由信号的信号噪声比和信道衰减系数确定。在3G移动通信系统中，比如WCDMA，信号的SNR和信道衰减系数都可以从导频信号方便地估计得到，比如目前已经有应用于WCDMA系统的专用集成电路(Application Specified Integrated Circuit，简称“ASIC”)能够直接提供信道的SNR和衰减系数等参数。在本发明的一个实施例中，即利用现成的信道估计参数，SNR、衰减系数，直接计算得到LLR值的量化系数，并进行非均匀量化。

考虑到在其他一些通信系统中，并不能非常方便的获得信道估计参数信息，因此在本发明的另一个实施例中，采用基于均值和均方差信道估计的方法计算非均匀量化所需的量化系数。

如前所述，假设信号为AWGN信道，发送的信号值为1或者-1，则信号在经过系统衰减后为S(t)＝a(t)s(t)+n(t)，其信号绝对值的均值为：E(|S(t)|)≈a(t)E(|s(t)|)+E(|n(t)|)＝a(t)。可见统计得到接收信号绝对值均值即为信号衰减系数的估计值。另外，接收信号的均方差写为：

$\sqrt{E\left({\left|S\left(t\right)\right|}^2\right)-E{\left(\right|S\left(t\right)\left|\right)}^2}\≈\sqrt{E\left({\left|n\left(t\right)\right|}^2\right)}=N_0/2.$ 可见，统计信号的均方差即可估计得到信道的噪声功率。

因此在本发明的一个实施例中，先根据接收到的信号统计得到信号的均值和均方差等参数，然后根据下式计算得到量化系数：

$L^x\left(t\right)=\frac{4a_x\left(t\right)}{N_0}=\frac{2E\left(\right|X\left|\right)}{\sqrt{E\left({\left|X\right|}^2\right)-E{\left(\right|X\left|\right)}^2}}=\frac{2\stackrel{-}{X}}{t}$

其中， X＝E(|X|)为统计均值， $t_x=\sqrt{E\left({\left|X\right|}^2\right)-E{\left(\right|X\left|\right)}^2}$ 为统计均方差值。同理对于L^y，L^y′也可求得。

另外，考虑到采用E(|X|)来估计信道衰减系数精度不够高，因为这里忽略了噪声的影响。为了更加精确的估计信道衰减系数，必须消除噪声的影响。本发明的一个较佳实施例中，在已知译码结果，根据译码结果来修正统计数据，采取下式来估计信道衰减系数：

a_x＝E(X·h)，其中h为译码结果，且做了1→-1，0→+1的映射，即在译码正确的情况下，对于原值的符号进行修正，得到均值即可除掉噪声的影响。

在本发明的一个实施例中，按照传输时间间隔(Transmission TimeInterval，简称“TTI”)进行统计，即在当前TTI进行信号统计，得到所需参数，如均值、均方差等，然后采用这些参数计算量化系数，用于下一TTI的量化和译码。该方法计算复杂度低，但对时间变化不敏感，只适用于信道状态变化比较缓慢的环境。

在本发明的另一个实施例中，在一个TTI中译码两次，根据第一次译码结果进行统计，然后将统计结果计算计算第二次译码的量化系数，也可以作为先验信息来指导第二次译码。这种方案即可采用译码结果来修正原值，重新进行统计。

熟悉本领域的技术人员可以理解，根据实际信道环境，采用其他更确切的信道模型来进行估计，也可以通过相同的方法推导得到量化系数的计算公式，并由此进行非均匀量化和迭代译码，完成发明目的而不影响本发明的实质和范围。

综上所述，本发明所给出的Turbo码译码方法由量化、迭代译码等步骤组成。为了更系统地说明具体译码过程，图3示出了根据本发明的一个实施例的Turbo码译码流程图。

步骤301，统计接收到的信号，进行信道估计，得到信道特性参数，比如均值、均方差等。

步骤302，根据上述公式，由信道特性参数计算得到量化系数，并由量化系数对LLR值进行非均匀量化。

步骤303，将LLR离散值输入译码器，进行迭代译码。

在本发明的一个实施例中，实验结果表明该量化方法的译码性能比现有技术有显著的提升。图4示出了两种信道环境下业务仿真的误码块率(BlockError Rate，简称“BLER”)随着信干比Eb/N0的变化曲线。图4(a)为Casel信道下64K业务的仿真结果，图4(b)为TU50信道下64K业务的仿真结果。图中图例1(方块)为本发明所给出的译码方法的译码结果，图例2(菱形)为三倍均方差方法的译码结果。可见，在量化方法中利用了WCDMA系统中的信道估计技术以后，极大地改善了译码器的译码性能，仿真结果证明了在同样的信道环境下，相对三倍均方差算法有0.3db以上的性能提升。

虽然通过参照本发明的某些优选实施例，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (9)

1.一种Turbo码译码方法，其特征在于，包含以下步骤，

A信道估计得到信道特性参数；

B根据所述信道特性参数计算得到量化系数，并对对数似然比进行非均匀量化；

C将量化后的所述对数似然比输入译码器，进行迭代译码。

2.根据权利要求1所述的Turbo码译码方法，其特征在于，所述信道特性参数包含信号噪声比和信道衰减系数；

所述步骤B中，所述量化系数由所述信号噪声比和所述信道衰减系数计算得到。

3.根据权利要求2所述的Turbo码译码方法，其特征在于，所述步骤A中，所述信道估计是通过在信道中传输导频信号实现的，所述信号噪声比和所述信道衰减系数是根据所述导频信号估计得到。

4.根据权利要求3所述的Turbo码译码方法，其特征在于，所述步骤B中，所述量化系数等于两倍的所述信号噪声比除以所述信道衰减系数。

5.根据权利要求1所述的Turbo码译码方法，其特征在于，所述信道特性参数包含所述信道衰减系数和信道噪声功率；

所述步骤B中，所述量化系数等于两倍的所述信道衰减系数除以所述信道噪声功率。

6.根据权利要求5所述的Turbo码译码方法，其特征在于，所述步骤A包含以下步骤，

对信道输出信号的绝对值进行统计，得到均值和均方差；

所述信道衰减系数等于所述均值，所述信道噪声功率等于所述均方差。

7.根据权利要求6所述的Turbo码译码方法，其特征在于，所述步骤A中的信道估计在上一个传输时间间隔内完成，得到所述均值和方差；

计算得到所述量化系数，用于当前传输时间间隔内对所述对数似然比的量化。

8.根据权利要求5所述的Turbo码译码方法，其特征在于，所述步骤A包含以下子步骤，

根据先验译码结果修正所述信道输出信号的统计信息，得到修正均值和修正均方差；

所述信道衰减系数等于所述修正均值，所述信道噪声功率等于所述修正均方差。

9.根据权利要求8所述的Turbo码译码方法，其特征在于，在同一传输时间间隔内，首先在所述步骤A中，对所述信道输出信号进行预译码，获得所述先验译码结果，用于所述信道估计，经过所述步骤B后，在所述步骤C中进行所述迭代译码。