混合激励线性预测(MELP)声码器是2.4Kbps低速率语音声码器。MELP在传统LPC声码器的基础上作了改进，采用了混合激励、非周期脉冲、自适应谱增强、脉冲整形滤波器、残差谐波谱五项新技术，提高了合成语音的质量，是低速率语音编码中的一项热门技术。基于MELP声码器，本文主要做了以下几方面工作。　　首先，研究了基于Chebyshev算法实现线性预测参数(LPC)转换线谱对系数(LSP)，实现并分析了基于APF(Aitken iterative with polynomial synthesis divisionand Ferraris solution)算法把LPC转换为LSP，并将APF算法运用到MELP声码器中进行语音文件的编解码，在保证编码效果的基础上有效降低了声码器的运算时间。　　其次，引入过渡帧算法，在清浊音判决（U/V判决）时把语音帧分为清音帧、浊音帧和过渡帧三种类型。把语音帧划分为过渡帧和清浊音帧之后，原始语音编码器U/V判决错误和清浊音帧的突变转换得到了有效的抑制。同时提出一种新的过渡帧编码参数比特分配方式，进行过渡帧的编码和合成，提高了MELP声码器的语音质量。　　最后，在已有分形理论处理语音残差信号的基础上，引进全排列算法对原始语音残差信号进行处理，扩大码本容量。扩大之后的码本具有一定的冗余度，为了提高运算效率，通过LBG聚类算法把扩大之后的码本进行聚类操作，得到有效的新码本，再进行分形编解码。改进后的分形算法使分形插值点区间能够匹配更优的分段分形地址区间，提高了分形重建的残差语音质量。同时利用分形算法对浊音语音信号进行编解码，取得了较好的效果。