Turbo码作为通信信道中一种重要的前向纠错码,因其具有接近香农理论极限的优异特性,现已广泛应用于3G、4G通信标准中,例如UMTS、3GPPLTE、LTE-A通信系统中。但Turbo码译码过程中仍存在一系列问题,如计算复杂度高、译码时延较长等,这些问题严重制约了Turbo码的应用和发展。图形处理器(GPU:Graphic Processing Unit)最初被应用于图像渲染,随着GPU通用计算软件平台统一计算设备架构(CUDA:Compute Unified Device Architecture)的发布,GPU逐渐被应用于通用计算领域,在并行数据计算方面展示了极大的潜力。本文针对Turbo码译码过程中最大后验概率算法(MAP:Maximum A Posterior Probability)的计算复杂度高和译码速率低等问题,深入研究了MAP算法的计算原理,将MAP算法的计算划分为三个关键模块：y模块、α,β模块及似然比模块。根据各模块的数据相关特性以及GPU平台的条件分别设计对应模块的并行算法。本文使用CUDA软件平台对上述并行算法进行编程实现,并进行了大量的仿真实验。实验结果表明,与串行译码算法相比,本文提出的基于CUDA的并行译码算法在保证译码性能的基础上显著提升了Turbo码的译码速度,与在CPU平台上串行方法完成Turbo码译码相比,本文的并行译码算法能够使译码速度提高4.5倍以上。