语音信号处理主要包括三个部分：语音识别、语音编码、语音合成。在语音编码这个领域，现在的研究集中在低速率语音编码器方面，本文的目的就是进行低速率语音编码器算法的研究。　　 本文第一章介绍了语音编码技术的分类、发展和应用。首先简要的介绍了语音编码器的一些基本概念。文中详细介绍了语音编码器的性能评价，因为它是今后我们设计语音编码器的性能优劣的评判标准。接着介绍了几种已经成为标准的语音编码器。　　 在第二章中，我们首先介绍了三类主要的语音编码方法：波形编码、参数编码、混合编码。其中，混合编码是近年来的主流编码器。所以针对它，我们详细的探讨了它的核心技术。首先是利用线性预测(LP)对语音进行去相关处理。其次是VQ技术，对参数进行合理的压缩。另外，利用感觉加权滤波器来合理利用人的感知特征进行量化噪声的分配。最后，针对迄今最为成功的混合编码器，CELP编码器，我们分析它的各个组成部分。通过采用LPC分析，去除了语音信号的短时相关性，通过获取基音周期来去除语音信号的长时相关性。基音周期在编码器中反映为自适应码矢量。自适应码矢量和固定码矢量构成语音编码器的激励信号。CELP编码器通过采用分析/合成结构来进行自适应码矢量和固定码矢量的选择。另外，快速搜索算法也是CELP成功的关键。　　 由于LSF参数在语音编码器的重要性，第三章专门针对LSF参数的矢量量化进行讨论。提出一种多级量化LSF参数的方法。针对这个新算法，进一步提出了优化量化的方法以及性能分析。优化算法减少了矢量量化算法的运算量和运算时间，加快了矢量量化的编码速度，且对矢量量化的失真情况没有影响。　　 在第四章中，介绍了MELP编码的基本原理和关键技术，并把利用滤波器相似度确定一些帧不传送LPC系数以及分类的LPC系数矢量量化方法引进到MELP语音编码方法中，有效地降低了计算复杂度，较好的解决了量化码率与量化质量的矛盾，进一步降低了码率和减少了码本的存储量与计算的复杂度。在改进MELP中引进的两种方法同样也适用于其他基于LPC的合成-分析语音编码。