Hagenauer http://www.cse.lehigh.edu/~jingli/teach/S2003turbo/notes/SOVA.pdf建议的 SOVA 的软输出，在 2.2.2“软输出维特比算法”中说

$L_{j}^{\verb|^|}:= f(L_{j}^{\verb|^|}$, )$\Delta$ , if for 其中是回溯深度。$u_{k}\neq u_{k-U}$$U = 0,1,..,\delta$$\delta$

文献中还给出， https: //www.eit.lth.se/sprapport.php?uid= 362，等式 1.26, 1.27，第 11 页，Hagenauer 规则可由下式给出

$L(u_{k}^{\verb|^|}) \approx u_{k}^{\verb|^|}min(\Delta_{k+l})$其中 l = 0,1,..,U

这个https://patentimages.storage.googleapis.com/ea/4a/6a/c8f50b500f6f42/WO2011020770A1.pdf在背景部分说“适用于可靠性值的更新规则会影响外在的质量（例如准确性）软输出值和迭代解码器的整体性能。”

1. 我无法找到两个给定方程之间的数学等价性。我已经阅读了对数似然代数（例如，由 Todd K. Moon 给出 - 纠错编码 - 数学方法和算法 2005以及其他可用的）。我怎样才能从另一个数学上得到一个？
2. 它在文献中说，两个给定方程的选择取决于应用程序。我可以理解，第二个方程给出了非常乐观的 LLR 值，因此准确性受到影响。你能给我举一个比另一个更受欢迎的例子吗？

任何提示/建议/文献表示赞赏。