传统的奈奎斯特采样定理指出,采样频率大于或等于整个信号最高频率的2倍就可以不失真地还原出原始信息但是随着信息时代的到来,人们对信息量信号采样速率以及处理速率的要求也越来越高,也就提高了信息采样成本近年来提出的压缩感知理论对信号的采样和压缩发生在同一个步骤,利用信号的稀疏性以远低于奈奎斯特采样率的速率对信号进行压缩采样,并且可以几乎无失真的恢复原信号这样极大地降低了信号的采样速率以及数据的存储和传输的代价,因而成为信号处理领域的研究热点本文在详细研究了压缩感知理论本身的基础上,为了将压缩感知技术应用于实际的通信系统,将压缩感知理论与传统的语音编码方法相结合,首先研究了一种基于压缩感知的语音PCM编码方法,对观测序列进行PCM编码,然后从解码得到的观测序列重构出原始语音信号与传统的CS算法相比,该编码方法重构语音的性能可以达到传统CS算法的重构语音性能为了进一步减少传输的数据量,本文还研究了一种基于压缩感知的语音矢量量化编码方法,对观测序列进行整体的矢量量化,并从解码得到的观测序列中重构出原始语音通过仿真实验证明,该编码方法能够在压缩感知基础上,进一步有效的压缩数据量,同时保证重构语音的性能另外本文还对观测序列的特性进行了一些建模尝试性的分析,为将来基于压缩感知的语音参数编码进行探索最后本文提出了一种基于小波包变换和压缩感知的语音编码方案先对语音信号进行两层小波包分解,得到各个节点的系数,对满足稀疏条件的节点先进行不同压缩比的压缩感知处理,然后进行均匀PCM编码,对不满足稀疏条件的节点进行矢量量化编码解码端进行相应的解码得到小波包分解系数,最后小波合成重构语音仿真实验表明,该编码方法能够在保证重构语音的质量的前提下,有效的降低码率