随着通信技术以及互联网语音实时传输技术的迅速发展，对语音的传输速率和存储容量都提出了很高的要求，解决这些问题的主要途径之一就是语音编码。码本激励线性预测(CELP)是国际公认的中速率下最成功语音编码算法，CELP算法能够提供中速率高质量的合成语音，但是当编码速率降至4kb／s以下时语音质量明显下降。为了提高量化效率，必须增加激励矢量的长度，这时还用很少的符号脉冲来描述激励信号就会导致语音质量的急剧下降，这也就是传统的CELP算法在4kb／s编码速率以下质量难以提高的根本原因。为此本文主要致力于研究在较少比特情况下优化代数码本激励，在G．729算法的基础上，以20ms为一语音帧进行编解码，使传输速率降为G．729语音编码算法的一半，从而提出了一种具有较短延时和较低运算量的4kb／s脉冲散布代数码本激励线性预测算法。首先，根据G．729算法的固定码本代数结构，设计了一种新的固定码书的代数结构，以降低算法的复杂度。然后，引进脉冲散布技术，对固定码本矢量进行散布处理，设计截止频率为3400Hz的有限冲击响应(FIR)低通滤波器实现脉冲散布技术。本文最后在MATLAB编程环境下仿真算法的性能，仿真结果表明经过解码后的语音信号输出的波形与原始语音信号的输入波形很相似，只是在能量较小的清音段合成语音波形有相对较大的幅度以及有一定的时延，从而验证了算法的技术性能。