低速率语音编码是语音通信领域的重要发展方向和研究热点,其核心问题之一是语音编码参数的提取。在诸多的参数提取算法中,大多数算法只能严格应用在纯语音或信噪比较高的环境中,在低信噪比的应用环境下,噪声会极大地影响低速率语音编码中参数提取的准确率和效率,进而影响语音编码解码后的合成语音可懂度和质量,语音通信的质量难以得到保证。因此研究低信噪比环境中低速率语音编码的参数提取算法具有重要的意义。在实际应用中,语音编码算法通常以DSP处理器为平台进行实现。随着物联网、智能硬件和智能家居的发展,语音通信终端小型化的需求日益增长,降低硬件实现面积成为语音编码硬件实现面临主要问题之一。与此同时,面对复杂的应用场景,语音编码算法复杂度也相应提高。越来越高的算法复杂度和降低硬件实现面积的矛盾通过传统的DSP处理器方案难以解决,使用为语音编码设计的定制芯片成为了更好的解决方案。因此研究语音编码算法的RTL实现具有较高的现实意义和价值。目前主流的几种低速率语音编码算法中,主要涉及的关键编码参数有语音端点、语音基音和线性预测参数等。本文针对这三种关键的语音编码参数,面向低信噪比的应用环境对语音端点和基音周期的提取算法进行了改进、优化和硬件实现,对线性预测参数提取模块进行了硬件设计和RTL代码实现。在语音端点检测算法的研究中,本文在能零比端点检测算法的基础上引入谱熵作为低信噪比环境下的修正量,提出了低信噪比下谱熵加权的能零比端点检测算法。在语音基音检测算法的研究中,本文结合语音增强算法中的谱减法原理,将基音检测中的倒谱法与谱减原理相结合,提出了结合谱减法的改进倒谱基音检测算法。在线性预测算法的研究中,在协方差格型法的基础上利用递推公式变换和Burg准则的应用对算法的硬件实现进行了优化。算法仿真实验证明,改进的语音端点和基音周期提取算法在低信噪比环境中仍具有较好地提取效果,整体性能对比原算法有较大提升;线性预测参数提取算法的硬件设计在实现算法功能的基础上优化了硬件结构。仿真结果证明本文方案在处理速度和计算精度两方面均有较好地表现。