语音通信一直是现代各种通信系统承载的一项重要的、不可缺少的业务。随着通信网络用户数量的增加、网络业务综合化、多样化，网络带宽与系统容量、服务质量的矛盾逐渐突出，传统的64Kbps的PCM语音压缩编码已经不能满足逐渐变得拥挤的传输信道要求。因此，压缩语音信号的传输带宽或降低电话信道的传输码率，一直是人们追求的目标，语音编码在实现这一目标的过程中担当着重要角色。语音编码就是压缩语音信号的数字表示而使表达这些信号所需比特数最小的算法。那么如何在不牺牲语音通话质量的前提下尽可能降低其传输的比特速率是目前研究的重要课题。 人们一直在寻找新的算法来提高编码质量，经过研究发现矢量量化技术对于语音压缩编码并获得高质量的合成语音是非常有效的。而矢量量化之所以优于标量量化，是由于它不仅能够象标量量化那样利用线性依赖(线性相关)和概率密度函数的形状来消除冗余度，而且能够利用非线性依赖(统计不独立)和矢量量化的维数来消除冗余度，从而压缩了数据。本论文主要对语音信号编码中的矢量量化技术进行了研究。 线性预测是许多语音编码方案的核心技术。为降低编码速率，选用高效的线性预测系数编码方法很重要。通过阅读大量的文献资料，参数量化所选取的语音参数有部分相关系数(PARCOR)、对数面积比系数、倒谱系数等。而线谱对(line spectrum pair,LSP)即线谱频率(line spectrum frequency,LSF)是线性预测系数的等价参数，它对量化精度要求不严格，在满足单调性的前提下，可以保证由它恢复出的合成滤波器是稳定的，所以本论文采用的矢量量化技术是对LSP参数进行量化编码。目前对LSP参数的矢量量化研究方法有两级矢量量化、分裂式矢量量化、预测式矢量量化、模拟退火法连接分裂矢量量化等。它们各有优点，比一般的VQ算法性能要好。而本论文则采用有限状态矢量量化(FSVQ)技术对LSP参数进行量化编码。 本论文首先从语音信号产生的离散数字模型出发，简单讲述了低速率语音编解码的基本原理和技术；然后讲述了矢量量化技术的基本概念、矢量量化器的组成、分类以及矢量量化的关键技术；接下来，讲述了CELP算法，然后对FS1016语音编解码器的算法进行改进，主要思路是将FSVQ用于CELP声码器中，即用FSVQ算法代替CELP声码器的参数量化编码功能模块。最后通过仿真实验得出结果，并对结果进行了分析。