本课题就是要深入研究混合激励线性预测(MELP)语音编解码算法的原理，对它的编解码过程做比较深入的分析，同时对其中的一些重要公式进行了理论推导。鉴于原算法基音提取过程的复杂性，提出了一种新的清浊音判定的方法，采用基于归一化互相关函数的基音提取算法，并利用线性插值算法进行基音的细化，提高检测精度。并通过实验结果来表明该方法应用于最终基音周期的确定，可取得满意的效果。此外，对增益、傅氏级数幅度值等参数进行一系列的调整，来进一步降低传输码率。最后，给出改进的混合激励线性预测编码算法的C语言实现及结果分析。

本文在对预测编码、语音信号的预测编码基础理论和关键技术进行了比较详细的探讨之后，重点围绕目前在语音编码领域比较热门的一种编码方式——“混合激励线性预测语音编码” 算法展开一定的研究。对于其中关键性的五种新技术：混合激励、非周期脉冲、自适应谱增强、脉冲整形滤波和傅氏级数幅值作了比较详细的讨论。最后，本文针对混合激励线性预测编码算法，使用MATLAB和C语言结合的开发环境，进行了算法的软件模拟与结果分析，同时也给出了该算法的质量评定。

......

可以看出，在强背景噪音情况下，合成语音和原始语音在总体上仍然是比较相似的，但是在细节部分匹配要比安静环境下差，不过从实际的主观听觉效果来看，合成语音的质量和原始语音相比，感觉并没有太明显的区别。由此，可以得出结论，MELP编解码的抗噪声能力还是很强的，即具有很好的鲁棒性。

MELP算法吸收了许多算法的优点，在时频域上对语音信号的刻划更加细致，在低速率上提供了相当好的语音合成质量。

......

本文是对语音信号的预测编码技术进行研究与实现，而主要的研究对象是混合激励线性预测编码算法。本文从预测编码的基本原理入手，讨论了语音压缩原理、波形编码、参数编码及语音编码的关键技术，这些内容是语音编码技术和整个语音处理技术的基础。而后重点对混合激励线性预测编码算法的整个过程进行了一些初步的研究。

为了测试编解码的有效性，本实验对混合激励线性预测编码算法进行了验证。采用了MATLAB与C语言混合编程来实现。为了提高效率，用C语言来实现编码部分，应用MATLAB的GUI开发显示结果部分以及与用户之间的接口。最后应用主观评定方法给出了合成语音的编码质量评定。实验证明，混合激励线性预测语音编码算法与其他低速率语音编码方法相比，具有更好的语音质量和更高的编码效率。

鉴于水平的有限，对于混合激励线性预测语音编码算法无法进行更加深入的研究。混合激励线性预测语音编码算法可以进行一些改进，比如为了提高编解码速率，可以对语音基音周期提取部分的算法进行改进；为了提高语音的听觉效果，可以对算法中的分带方法进行改进等等。