本发明公开了一种并行LLL高维模糊度降相关算法，首先通过混合利用Cholesky下三角LTL分解以及上三角UTU分解，提高LLL算法针对高维模糊度降相关的计算效率，增强高维模糊度降相关的能力。其次为了得到降相关能力较强的Z变换矩阵，所以在每一次QR分解变换过程中，变换系数矩阵要获取较小的整数值，因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序，而在上三角分解前先对矩阵的列向量按内积大小进行降序排列，由此求得的Z变换降相关性能更佳。最后把算法正交变换过程中的取整运算移至在求Z矩阵时取整，可以避免算法迭代过程中反复取整而引起的误差累积，解决算法发散的问题，从而进一步提高并行LLL算法的计算效率和稳定性。