1993年由C．Berrou等人提出的Turbo码具有接近Shannon极限的性能。因此Turbo码自提出起就成为信息论和编码理论界热切关注的焦点。目前Turbo码已经成为第三代移动通信系统的标准之一。对Turbo码的研究主要集中在编码器、交织器的设计及软输入、软输出迭代译码算法等方面。 Turbo码以高译码复杂度换取优异的性能。即使采用复杂度较低的软输出Viterbi算法(SOVA，Soft-output Viterbi Algorithm)，Turbo码译码的计算量仍随2m(m为编码器存储长度)增长。对于迭代译码，该计算量是相当大的。本文的主要目的是利用遗传算法(GA，Genetic Algorithm)这一优化搜索工具实现迭代最大似然译码，通过减小在格图上的搜索范围来降低计算量。在相似计算量的情况下，获得比软输出MA(SOMA，Soft-output M-Algodthm)译码算法更好的性能。 本文首先研究了软输出Viterbi译码算法、软输出MA译码算法和遗传算法卷积码译码算法的原理。在此基础上，提出适用于Turbo码的GA分量码译码算法。借鉴SOMA译码算法中计算软输出的思想，提出了利用滑动窗口存储器来计算软输出的方法，从而得到软输出GA(SOGA，Soft-output Genetic Algorithm)译码算法。随后对Turbo码采用不同的译码算法的性能进行仿真。结果表明，所提出的SOGA译码算法误比特率性能介于SOVA算法和SOMA算法之间。在计算量方面，SOGA算法仅比SOMA增加了少量运算。另外，SOGA算法的在格图上搜索最优路径的范围比SOVA小，对应的计算量也比SOVA小。因此SOGA译码算法较好的实现了译码性能和复杂度的均衡。最后，本文对仿真结果进行了分析比较，并对全文做了总结。论文的主要研究工作包括以下几个方面： 1.首次在卷积Turbo码的译码过程中采用了遗传算法。在分析遗传算法用于Turbo码译码时要解决的问题后，提出相应的解决方案，并详细介绍了其实现过程。另外，根据SOMA译码算法计算软输出的思想，提出了利用滑动窗口存储器的方法来实现该计算过程。 2.对SOGA算法进行了实验仿真与性能分析。通过VC++6.0仿真了该算法的性能，从交织长度、迭代次数、搜索保留路径数和回溯深度等方面对其性能进行了考察与分析。结果表明，本文提出的软输出GA迭代译码算法可以获得较好的误比特率(BER，Bit Error Rate)，性能。本文的译码思想对今后的研究工作具有一定的参考价值。