随着通信技术以及互联网语音实时传输技术的迅速发展,对语音的传输速率和存储容量都提出了很高的要求,解决这些问题的主要途径之一就是语音编码。因此,语音编码的研究,特别是低速率语音编码的研究,具有十分重要的实用意义。在现有的语音编码研究中,混合激励线性预测语音编码(MELP)是一种比较好的方法,它结合了二元激励、码激励和多带激励的优点,将短时语音段划分为若干子带,在每个子带中分别进行清浊音判别;在合成端,采用周期性脉冲序列和随机噪声的混合序列去激励语音合成滤波器,能在较低的码率下得到较好的再生语音。2.4kbps混合激励线性预测语音编码已经被确立为美国新的联邦语音编码标准。本论文通过研究MELP的语音编解码算法的原理,对它的编解码过程做了比较深入的研究,我们发现在基音周期及线性预测系数量化这方面还可以进行一定的改进。在标准MELP的算法中,对于那些包含有不规则周期的语音信号段,计算得到的互相关值较小,把它误认为是清音,因此会引入噪音。在这里采用了一种改变基音周期的算法,使基音周期的计算更加精确。此外,在对LSF进行量化的过程中,其码本的存储量与计算的复杂度都很大。针对于这一问题,我们提出了三级矢量量化的方法,从而可以把MELP的码率降到2.1kbps左右,仍有较好的合成语音质量。本文最后在MATLAB编程环境下对MELP算法及其改进后的MELP算法进行了仿真,仿真结果表明经过解码后的语音信号及其改进后语音信号的输出波形与原始语音信号的波形很相似,只是在能量较大的浊音段合成语音波形有相对较大的幅度以及有一定的时延,从而验证了该算法的可行性。