人工神经网络是采用大量的处理单元连接起来构成的一种复杂的信息处理网络。这种网络具有与人脑相类似的学习记忆能力和输入信息特征抽取能力。人工神经网络因其非线性、自适应及学习特性而受到极大关注,并在诸多领域都取得成功的应用,如模式识别与图像处理、控制与优化、预测、通信等。 语音信号本质上是一个非平稳和非线性的过程,但一直以来,传统的语音处理方法都采用一种线性预测方法来处理,这就无法适应语音信号的非线性特征。而现有神经网络非线性滤波方法对矢量激励语音编码尚无有效的解决方案。 本课题首先针对线性滤波方法的不足,在语音编码系统的预测中引入神经网络模型,并研究了基于神经网络的语音编码系统的结构、适合于语音后向预测的神经网络的结构和学习算法,并且针对算法实时性的要求通过固定部分微变系数改进了BP网络训练过程缩短了训练时间,实验表明本算法比G721信噪比提高1.5-2dB。