CN1823474A - 解码装置及解码方法 - Google Patents

Abstract

提供一种在抑制处理量及电路规模增大的同时，可以高速计算出似然信息的解码装置。该装置在后向概率运算部(112)的后向概率运算中，一方的处理系统由后向概率β_k+2计算出后向概率β_k期间，另一方的处理系统并行地由后向概率β_k+1计算出后向概率β_k－1。当具体设定k＝1时，可以用两个处理系统并行计算出后向概率β₁及后向概率β₀。所计算出的后向概率以窗口为单位被存储到存储部(114)中。另外，和后向概率一样，在前向概率运算部(113)中，也由两个处理系统，并行地计算出前向概率α_k和前向概率α_k+1。前向概率一经计算出来，由似然运算部(115)使用前向概率及存储在存储部(114)里的后向概率，计算出似然信息。

Description

解码装置及解码方法

技术领域

本发明涉及解码装置及解码方法，特别是涉及通过采用Max-Log-MAP算法来执行Turbo解码的解码装置及解码方法。

背景技术

近年来，作为第四代移动通信所采用的方式之中最有力的备选方案，VSF-OFCDM(Variable Spreading Factor-Orthogonal Frequency and CodeDivision Multiplexing：可变扩频因子-正交频分码分复用)倍受瞩目。采用VSF-OFCDM时，可通过使用大约50-100MHz频带宽度来实现100Mbps以上的最大传输速度。作为纠错方式，Turbo编解码的应用在这种超高速通信方式上是行之有效的。

Turbo编解码方式的特征在于：对发送数据进行卷积编码和交织处理，并在解码时重复进行解码。由于重复进行解码处理，所以不仅对于随机误差，而且对于突发误差显示了强大的纠错功能。

下面就Turbo解码的程序做扼要说明：

Turbo解码处理程序大致可分为前向概率(forward probability)计算、后向概率(backward probability)计算及似然信息计算。

采用下列公式(1)逐个状态计算出前向概率α。

【公式1】

$\log {\mathrm{\α}}_k\left(m\right)=\log \underset{m^{\′}\∃(m^{\′}\→m)}{\mathrm{\Σ}}{e}^{\log {\mathrm{\α}}_{k-1}\left(m^{\′}\right)+\log {\mathrm{\γ}}_k\left(b\right)}$

在上述公式(1)中，logα表示对数域中的前向概率，k表示时间点，m及m′分别表示状态转移格(state transition trellis)中的状态。即，公式(1)的左边用自然对数表示处于时间点k的状态m的前向概率。而在上述公式(1)中，logγ表示对数域中的转移概率(transition probability)，m′₃(m′→m)表示可以向状态m转移的所有状态m′，b表示发送信号的组合，即，表示系统位和奇偶检验位的可以得到的组合。

公式(1)表明，前向概率α_k可由处于先前时间点(k-1)的前向概率α_k-1计算出。

接下来，根据下列公式(2)逐个状态计算出后向概率β。

【公式2】

$\log {\mathrm{\β}}_k\left(m\right)=\log \underset{m^{\′}\∃(m^{\′}\→m)}{\mathrm{\Σ}}{e}^{\log {\mathrm{\β}}_{k+1}\left(m^{\′}\right)+\log {\mathrm{\γ}}_{k+1}\left(b\right)}$

虽然计算方法与前向概率基本相同，但最大的不同点在于后向概率β_k是由后面的时间点(k+1)的后向概率β_k+1计算出来的。就是说，相对于前向概率是在时间轴上正向计算，而后向概率是在时间轴上反方向上计算出来的。

接着，按照下列公式(3)计算出似然信息L(u_k)。

【公式3】

$L\left(u_k\right)=\log \frac{\underset{u_k=0}{\mathrm{\Σ}}{e}^{\log {\mathrm{\α}}_{k-1}\left(m^{\′}\right)+\log {\mathrm{\β}}_k\left(m\right)+\log {\mathrm{\γ}}_k\left(b\right)}}{\underset{u_k=1}{\mathrm{\Σ}}{e}^{\log {\mathrm{\α}}_{k-1}\left(m^{\′}\right)+\log {\mathrm{\β}}_k\left(m\right)+\log {\mathrm{\γ}}_k\left(b\right)}}$

在公式(3)中，分子表示对在发送信号中系统位u_k＝0的所有状态转移的组合的运算，分母表示对其中u_k＝1的所有状态转移的组合的运算。

由于上述公式(1)到(3)的计算非常烦琐，所以在作为Turbo解码算法之一的Max-Log-MAP算法中，采用公式(4)所示的近似公式。

【公式4】

log(e^A+e^B)＝max(A，B)+log(1+e^-|A-B|)

用公式(4)将公式(1)和公式(2)分别变形成下列的公式(5)和公式(6)。

【公式5】

${\mathrm{\α}}_k\left(m\right)=\underset{m^{\′}}{\max }({\mathrm{\α}}_{k-1}\left(m^{\′}\right)+{\mathrm{\γ}}_{k-1}(m^{\′},m))$

【公式6】

${\mathrm{\β}}_k\left(m\right)=\underset{m^{\′}}{\max }({\mathrm{\β}}_{k+1}\left(m^{\′}\right)+{\mathrm{\γ}}_{k+1}(m^{\′},m))$

再用这些新的公式(5)、(6)将公式(3)变形成以下的公式(7)。

【公式7】

$L\left(u_k\right)=\underset{(m^{\′},m)u_k=0}{\max }({\mathrm{\α}}_{k-1}\left(m^{\′}\right)+{\mathrm{\β}}_k\left(m\right)+{\mathrm{\γ}}_k(m^{\′},m))$

$-\underset{(m^{\′},m)u_k=1}{\max }({\mathrm{\α}}_{k-1}\left(m^{\′}\right)+{\mathrm{\β}}_k\left(m\right)+{\mathrm{\γ}}_k(m^{\′},m))$

在采用Max-Log-MAP算法的Turbo解码中，把用公式(7)所算出的似然信息L(u_k)和阈值0进行比较，如果似然信息L(u_k)在0以上，可硬判断(hard decision)为在时间点k所发送的系统位u_k＝1，如果似然信息L(u_k)不足0时，可硬判断为在时间点k所发送的系统位u_k＝0。

至此，如公式(7)所示，为了算出在时间点k的似然信息，需要时间点(k-1)的前向概率α_k-1，及时间点k的后向概率β_k和转移概率γ_k。此时，如果分别算出时间点1到k的各时间点的前向概率和后向概率，然后再算出似然信息的话，因为需要存储全部状态下的全部时间点的概率值，所以存储量相当庞大。

为了削减这一存储量，可以考虑采用以下步骤进行计算。即，先算出时间点k到1的后向概率，并存储在存储器里。接下来算出每个时间点的前向概率，根据该前向概率及先算出的后向概率，依次算出似然信息。如按此法，所算出的前向概率可立即用于算出似然信息，因此前向概率便不必存储，仅此前向概率存储一项就可削减存储量。

另外，还有一种方法也可削减用于存储后向概率的存储量，那就是在非专利文献1中所阐述的滑动窗口法。滑动窗口法就是把整个数据系列分割成预定窗口单位，各窗口设立训练区间(training period)，这种方法使原本必须从系列的最后方开始运算的后向概率因而可以从系列的中途开始运算了。如按此滑动窗口法去做，以窗口为单位存储后向概率即可，比起要存储时间点k到1的所有后向概率的作法来，可以大幅度减少存储量。

再者，由于采用了滑动窗口法可以并行计算出概率值及似然信息，能够使运算高速化。也就是如图1 A所示，具有整个系列长度nW的数据被分割成n个窗口时，可并列处理这些窗口以使运算速度加快。又如图1B所示，由于可并列进行在两个处理系统#1及#2中的运算，因此使运算时间减少一半。

【非专利文献1】Andrew J.Viterbi，“An Intuitive Justification and aSimplified Implementation of the MAP Decoder for Convolutional Codes”，IEEEJ.Sel.Areas Commun.，vol.16，no.2，pp.260-264，Feb.1998(A.J.维多比，“用于卷积编码的MAP解码器的直观证明和简化实现”，电子及电子工程师学会J.Sel.Areas Commun.，vol.16，no.2，pp.260-264，1998年2月)

发明内容

【发明所要解决的问题】

然而，问题是在如上并行进行滑动窗口法计算时，也存在会产生与窗口尺寸对应的处理延迟现象。特别是用Max-Log-MAP算法计算似然信息L(u_k)时，需要以时间点k的升序依次算出信息，而计算似然信息L(u_k)所需的概率值由于在各窗口内被串行算出，因此即使是并列地处理各窗口，结果似然信息L(u_k)的计算还是会出现延迟。

关于这个问题，参照图2A至图2C进行具体说明。

图2A至图2C表示的是滑动窗口法的窗口尺寸为64时，用两个处理系统#1、#2算出似然信息L(u_k)的定时的图例。图2A表示计算出后向概率β_k的定时，图2B表示计算出前向概率α_k的定时，图2C表示计算出似然信息L(u_k)的定时。

在图2A中，为了计算出后向概率β₆₃～β₀及后向概率β₁₂₇～β₆₄来，分别设立了训练区间。训练区间的最前头(此处为β₉₅及β₁₅₉)总是假定为0，在训练区间内进行上述公式(6)的运算，可以准确地计算出窗口内的后向概率β₆₃～β₀及后向概率β₁₂₇～β₆₄。因此，作为一个训练区间的尺寸至少需要20左右。

在图2A中，时间点T1时的后向概率β₀、β₆₄的运算完毕。各处理系统#1、#2继续计算出后向概率β₁₉₁～β₁₂₈及后向概率β₂₅₅～β₁₉₂。

进而如图2B所示，由时间点T1开始计算出前向概率α₀～α₆₃及α₆₄～α₁₂₇。此时，对于前向概率α₆₄～α₁₂₇的计算，假定α₃₂为0，α₃₂～α₆₃则成为训练区间。

一方面，如图2C所示，由时间点T1开始计算出似然信息L(u₀)～L(u₆₃)。在时间点T1，由于后向概率β₀～β₆₃已计算出，前向概率α₀也计算出，所以处理系统#1可以计算出似然信息L(u₀)。

不过，在时间点T1，尽管后向概率β₆₄～β₁₂₇已经计算出来，前向概率α₆₄也已被算出，可是，处理系统#2却无法计算出似然信息L(u₆₄)而进入待机。这正如上面所述是因为似然信息L(u_k)需要以时间点k的升序依次计算出来，在时间点T1只能计算出似然信息L(u₀)，似然信息L(u₆₃)要到后面由处理系统#1来进行计算。

因此，如图2C所示，由时间点T1用处理系统#1计算出似然信息L(u₀)～L(u₆₃)，由时间点T2用处理系统#2依次计算出似然信息L(u₆₄)～L(u₁₂₇)来。

就是说，尽管后向概率及前向概率运算完毕，但是在计算似然信息时无法进行并列处理，从而产生与窗口尺寸对应的处理延迟。为了缩小这一处理延迟，使窗口尺寸变小即可，但是使窗口尺寸缩小时，窗口数量势必要增加，随着窗口数量增加，对训练区间的处理量便会加大。因为训练区间是无助于实际的解码，所以如果对训练区间的处理量增大的话，整个处理量便会随之加大，其结果往往导致电路规模增大。

本发明的目的就是提供一种解码装置及解码方法，其能抑制处理量和电路规模增大，同时能够高速计算出似然信息。

【解决问题的手段】

本发明的解码装置是针对预定尺寸的窗口，采用多个处理系统并列进行解码运算的解码装置，其采用以下结构，即具有：在上述窗口内，依次用上述多个处理系统的数目分量向前的时间点的前向概率运算出在当前时间点的前向概率的前向概率运算单元；在上述窗口内，依次用上述多个处理系统的数目分量向后的时间点的后向概率计算出在当前时间点的后向概率的后向概率运算单元；以及使用上述前向概率及上述后向概率运算出似然信息的似然信息运算单元。

本发明的解码方法是针对预定尺寸的窗口，用多个处理系统并列进行解码运算的解码方法，具有以下步骤：在上述窗口内，依次用上述多个处理系统的数目分量向后的时间点的后向概率运算出在当前时间点的后向概率的步骤；在上述窗口内，依次用上述多个处理系统的数目分量向前的时间点的前向概率计算出在当前时间点的前向概率的步骤；以及每次计算出上述前向概率时，使用上述前向概率及上述后向概率，运算出似然信息的步骤。

【发明效果】

根据本发明，可抑制处理量及电路规模的增大，同时又能高速计算出似然信息。

附图说明

图1是说明应用窗口的处理的图；

图2是示出使用滑动窗口法的解码操作的定时的一个示例的图；

图3是说明根据本发明的一个实施方式的解码装置的整体结构的方框图：

图4是说明根据一个实施方式的解码器的内部结构方框图；

图5是根据一个实施方式的解码操作的定时的一个示例的图；以及

图6是示出根据一个实施方式的解码操作的定时的另一示例的图。

具体实施方式

下面参照附图详细说明本发明的一个实施方式。

图3是表示本发明的一个实施方式的解码装置的整体结构的方框图。该图所示的解码装置包括：交织器100、解码器110、交织器120、解码器130、解交织器140、解交织器150、硬判定部160及检错部170。此外，图3所示的解码装置中，分别对由Turbo编码所得到的作为信息比特本身的系统位x_a、对信息比特卷积编码后所得到的奇偶检验位x_b、以及对交织后的信息比特卷积编码所得到的奇偶检验位x_c、以及分别附加上信道噪声后的系统位y_a、奇偶检验位y_b、以及奇偶检验位y_c进行解码。

交织器100对系统位y_a进行交织。由交织器100的交织与编码端的交织是一样进行的。

解码器110是软输入软输出的解码器，使用从上一次解码结果得到的事先信息似然L_e和系统位y_a、以及奇偶检验位y_b进行解码，把解码结果输入到交织器120。关于由解码器110执行的解码在后面将会详细阐述。

交织器120对解码器110的解码结果进行交织。使用交织器120进行的交织与编码端的交织相同。

解码器130是软输入软输出的解码器，使用自交织器120输出的事先似然信息和由交织器100输出的系统位y_a、奇偶检验位y_c进行解码，解码结果输出到解交织器140及解交织器150。

解交织器140及解交织器150对解码器130的解码结果进行解交织。用解交织器140及解交织器150进行的解交织使由交织器100和交织器120进行的交织可复原到原始顺序。

硬判定部160对由解交织器150输出的似然信息进行硬判定，输出0或1的硬判定值。具体讲就是，硬判定部160把解交织器150所输出的似然信息和阈值0进行比较，似然信息若是0以上，作为硬判定值就输出1，似然信息不足0时，作为硬判定值就输出0。

检错部170使用附加在硬判定结果上的CRC(Cyclic Redundancy Check，循环冗余校验)等检错码进行检错，输出解码数据。

接下来用图4及图5A至图5C具体说明如上构成的解码装置中的解码器的操作情况。

图4是表示解码器110内部结构的方框图。如该图所示，解码器110包括转移概率运算部111、后向概率运算部112、前向概率运算部113、存储部114、以及似然运算部115。假定解码器130也和解码器110拥有相同的内部结构。另外，假定以下解码操作以预定尺寸窗口为单位进行。

首先，把上次解码结果所得到的事先信息似然L_e、系统位y_a、及奇偶检验位y_b输入转移概率运算部111，运算出转移概率。以下在时间点k由状态转移格上的状态m′移向状态m的转移概率用γ_k(m′，m)表示。

计算出的转移概率γ_k(m′，m)输出到后向概率运算部112及前向概率运算部113中，分别计算出后向概率和前向概率。以下用β_k(m)表示时间点k的状态m时的后向概率，用α_k(m)表示时间点k的状态m时的前向概率。

下面说明在后向概率运算部112及前向概率运算部113中进行的概率值的计算。

如上所述，前向概率α_k(m)以及后向概率β_k(m)可分别用公式(5)、(6)计算出来。公式(5)、(6)分别可按以下公式(8)、(9)一样变形。

【公式8】

${\mathrm{\α}}_{k-1}\left(m\right)=\underset{m^{\′}}{\max }({\mathrm{\α}}_{k-2}\left(m^{\′}\right)+{\mathrm{\γ}}_{k-2}(m^{\′},m))$

【公式9】

${\mathrm{\β}}_{k+1}\left(m\right)=\underset{m^{\′}}{\max }({\mathrm{\β}}_{k+2}\left(m^{\′}\right)+{\mathrm{\γ}}_{k+2}(m^{\′},m))$

如把这些公式(8)、(9)再代入公式(5)、(6)，即可得到以下公式(10)、  (11)。

【公式10】

${\mathrm{\α}}_k\left(m\right)=\underset{m^{\′}}{\max }(\underset{m^{\′\′}}{\max }({\mathrm{\α}}_{k-2}\left(m^{\′\′}\right)+{\mathrm{\γ}}_{k-2}(m^{\′\′},m^{\′}))+{\mathrm{\γ}}_{k-1}(m^{\′},m))$

$=\underset{m^{\′\′}}{\max }({\mathrm{\α}}_{k-2}\left(m^{\′\′}\right)+\underset{m^{\′}}{\max }({\mathrm{\γ}}_{k-2}(m^{\′\′},m^{\′})+{\mathrm{\γ}}_{k-1}(m^{\′},m)))$

$=\underset{m^{\′\′}}{\max }({\mathrm{\α}}_{k-2}\left(m^{\′\′}\right)+{\mathrm{\μ}}_{k-2}(m^{\′\′},m))$

注意， ${\mathrm{\μ}}_{k-2}(m^{\′\′},m)=\underset{m^{\′}}{\max }({\mathrm{\γ}}_{k-2}(m^{\′\′},m^{\′})+{\mathrm{\γ}}_{k-1}(m^{\′},m))$

【公式11】

${\mathrm{\β}}_k\left(m\right)=\underset{m^{\′}}{\max }(\underset{m^{\′\′}}{\max }({\mathrm{\β}}_{k+2}\left(m^{\′\′}\right)+{\mathrm{\γ}}_{k+2}(m^{\′\′},m^{\′}))+{\mathrm{\γ}}_{k+1}(m^{\′},m))$

$=\underset{m^{\′\′}}{\max }({\mathrm{\β}}_{k+2}\left(m^{\′\′}\right)+\underset{m^{\′}}{\max }({\mathrm{\γ}}_{k+2}(m^{\′\′},m^{\′})+{\mathrm{\γ}}_{k+1}(m^{\′},m)))$

$=\underset{m^{\′\′}}{\max }({\mathrm{\β}}_{k+2}\left(m^{\′\′}\right)+{\mathrm{\η}}_{k+2}(m^{\′\′},m))$

注意， ${\mathrm{\η}}_{k+2}(m^{\′\′},m)=\underset{m^{\′}}{\max }({\mathrm{\γ}}_{k+2}(m^{\′\′},m^{\′})+{\mathrm{\γ}}_{k+1}(m^{\′},m))$

公式(10)表示由时间点(k-2)的前向概率α_k-2计算出时间点k的前向概率α_k，公式(11)表示由时间点(k+2)的后向概率β_k+2计算出时间点k的后向概率β_k。

后向概率运算部112及前向概率运算部113分别用公式(10)、(11)在两个处理系统中并列运算后向概率和前向概率。就是说，例如在后向概率运算部112中进行后向概率运算时，在一个处理系统由后向概率β_k+2计算出后向概率β_k的同时，另一处理系统并行地由后向概率β_k+1计算出后向概率β_k-1。当具体设定k＝1时，用两个处理系统就可以并行地计算出后向概率β₁和后向概率β₀。

所计算出的后向概率以窗口为单位被存储到存储部114中。另外，同后向概率一样，前向概率运算部113也通过两个处理系统并行地计算出了前向概率α_k和前向概率α_k+1。当前向概率一算出，由似然运算部115使用前向概率及存储在存储部114中的后向概率，按上述公式(7)就可计算出似然信息。

此时，与传统技术不同，前向概率运算部113中的两个处理系统由于并行地运算出了前向概率α_k和前向概率α_k+1，所以以时间点k的升序依次计算似然信息L(u_k)时，可同时使用由两个处理系统所计算出的前向概率来计算出似然信息。

以下参照图5A至图5C具体说明计算似然信息的定时。

图5A表示由在后向概率运算部112中的两个处理系统#1、#2计算后向概率βk的定时。如该图所示，处理系统#1把β₁₉₀～β₁₂₈作为训练区间，依次计算出后向概率β₁₂₆～β₀当中的时间点k是偶数的后向概率。同样，处理系统#2把β₁₉₁～β₁₂₉作为训练区间，依次计算出后向概率β₁₂₇～β₁当中的时间点k是奇数的后向概率。然后，在时刻T1就可计算出后向概率β₀和后向概率β₁。

图5 B表示由在前向概率运算部113中的两个处理系统#1、#2计算前向概率α_k的定时。如该图所示，处理系统#1由时刻T1依次计算出前向概率α₀～α₁₂₆中的时间点k是偶数的前向概率。同样，处理系统#2由时刻T1依次计算出前向概率α₁～α₁₂₇中的时间点k是奇数的前向概率。

图5C表示由在似然运算部115中的两个处理系统#1、#2计算似然信息L(u_k)的定时。如该图所示，处理系统#1在时刻T1计算出似然信息L(u₀)。之后，处理系统#2在时刻T1使用前向概率α₀及已经存储在存储部114中的后向概率β₁，计算出似然信息L(u₁)。

这样和传统技术不同，处理系统#2不用等待似然信息L(u_k)的计算，可以做到并行处理。因此，如将图2C和图5C做一比较就会明了，可以使似然信息L(u_k)的运算速度大幅度高速化。

以上表明，如按照本实施方式，在各处理系统并列进行由对应于处理系统的数目(此处为2)分量向前或向后的时间点的概率值来计算出在当前时间点的概率值的运算，在利用概率值的似然信息计算上不会发生处理延迟，在抑制处理量和电路规模增大的同时，可以高速计算出似然信息。

再有，本实施方式的训练区间尺寸为32，窗口尺寸为64，虽说如此，但本发明不限定这些尺寸，作为训练区间的尺寸大约在20左右以上为好。

另外，在本实施方式上，是按两个处理系统并列运算方式进行说明的，但是处理系统如果是2个以上，也完全是可以的。两个以上的场合，思路同公式(10)、(11)，使用由处理系统的数目分量向前或向后的时间点的前向概率及后向概率，来表示前向概率及后向概率的公式即可。就是说，假定处理系统的数目为m(m是2大于或等于的整数)，使用分别用前向概率α_k-m及后向概率β_k+m表示前向概率α_k和后向概率β_k的公式算出概率值即可。

还有，又例如图6所示，通过在其中任何一个处理系统对训练区间进行连续运算，并且在所有处理系统中共享其训练结果，就能够进一步削减整个装置的运算量。

本发明的解码装置是针对预定尺寸窗口，以多个处理系统并列进行解码运算的解码装置，其采用以下结构，即具有：在上述窗口内，依次用上述多个处理系统的数目分量向前的时间点的前向概率运算出当前时间点的前向概率的前向概率运算单元；在上述窗口内，依次用上述多个处理系统的数目分量向后的时间点的后向概率运算出当前时间点的后向概率的后向概率运算单元；以及使用上述前向概率及上述后向概率运算出似然信息的似然信息运算单元。

根据这一结构，因为用处理系统的数目分量向前或向后的时间点的前向概率及后向概率，计算出当前时间点的前向概率和后向概率，所以在各窗口内多个处理系统也可以并列进行概率值运算，每次计算出概率值就进行后面级(latter stage)的似然运算，这样，在抑制处理量和电路规模增大的同时，就能够高速计算出似然信息。

本发明的解码装置采用其中上述后向概率运算单元将上述窗口以后的时间点的数据作为训练数据来计算出当前时间点的后向概率的结构。

根据该结构，由于将处理对象窗口以后的时间点的数据作为训练数据，来计算出当前时间点的后向概率，所以对任意窗口可以进行后向概率的运算处理。

本发明的解码装置采用其中上述后向概率运算单元在上述多个处理系统中使用共同的训练数据的结构。

根据该结构，由于在多个处理系统中使用共同的训练数据，所以可以减少训练数据所需的运算量，从而能够进一步减少整个装置的处理量。

本发明的基站装置采用具有上述其中任意一项记载的解码装置的结构。

根据该结构，可以在基站装置上实现同上述任意一项记载的解码装置相同的作用效果。

本发明的移动站装置采用具有上述任意一项记载的解码装置的结构。

根据该结构，在移动站装置上也可以实现与上述任意一项记载的解码装置相同的作用效果。

本发明的解码方法是针对预定尺寸的窗口，以多个处理系统并列进行解码运算的解码方法，包括：在上述窗口内，依次用上述多个处理系统的数目分量向后的时间点的后向概率计算出当前时间点的后向概率的步骤；在上述窗口内，依次用上述多个处理系统的数目分量向前的时间点的前向概率计算出当前时间点的前向概率的步骤；以及每次计算出上述前向概率时就使用上述前向概率和上述后向概率计算出似然信息的步骤。

由于按照此方法，由对应于处理系统的数目分量向前或向后的时间点的前向概率和后向概率来计算出当前时间点的前向概率和后向概率，所以在各窗口内，多个处理系统可以并列计算出概率值，每次计算出概率值时，便进行后面级的似然信息运算，从而做到在抑制处理量及电路规模增大的同时，能高速计算出似然信息。

本申请基于2003年7月11日提交的日本专利申请第2003-273378号，其内容均已包含在此。

Claims (6)

1、一种解码装置，对预定尺寸的窗口以多个处理系统并列进行解码运算，所述解码装置具有：

在所述窗口内，依次用所述多个处理系统的数目分量向前的时间点的前向概率计算出在当前时间点的前向概率的前向概率运算单元；

在所述窗口内，依次用上述多个处理系统的数目分量向后的时间点的后向概率计算出在当前时间点的后向概率的后向概率运算单元；以及

使用所述前向概率和所述后向概率计算出似然信息的似然信息运算单元。

2、如权利要求1所述的解码装置，其中，

所述后向概率运算单元把所述窗口以后的时间点的数据当作训练数据，计算出在当前时间点的后向概率。

3、如权利要求2所述的解码装置，其中，

所述后向概率运算单元在所述多个处理系统中使用共同的训练数据。

4、一种包括如权利要求1所述的解码装置的基站装置。

5、一种包括如权利要求1所述的解码装置的移动站装置。

6、一种解码方法，对预定尺寸的窗口以多个处理系统并列进行解码运算，所述方法包括：

在所述窗口内，依次用所述多个处理系统的数目分量向后的时间点的后向概率计算出在当前时间点的后向概率的步骤；

在所述窗口内，依次用所述多个处理系统的数目分量向前的时间点的前向概率计算出在当前时间点的前向概率的步骤；以及

每次计算出所述前向概率时，使用所述前向概率及所述后向概率计算出似然信息的步骤。

Images