语音编码技术从20世纪30年代末开始，经历了不到70年的探索与研究，已经取得了巨大的成果，尤其到了20世纪80年代后期和90年代，计算机技术、大规模集成电路技术以及现代通信技术的迅猛发展极大地带动了语音编码技术的进步。低速率语音编码是未来语音编码的发展方向，这是因为在现代通信中，信道利用的有效性和经济性仍是研究的重要目标，低速率语音编码技术是语音通信中一个重要的研究方向。在实际应用中，有些信道难以扩展且质量很差，在这种情况下低速率语音编码极具吸引力，随着数字通信业务的发展，高质量的低速率语音编码技术将成为研究的热点，它必将在保密通信、语音邮件、网络通信、IP电话等领域有广泛的应用前景，特别实在信息化战场上广泛用于单兵作战通信设备上。脉冲编码调制是对脉冲幅度调制(Pulse Amplitude Modulation，简称PAM)的扩展，每一个模拟抽样制备量化为代表某个数字编码的离散值。因此，PAM系统通过在信源端加上模拟—数字信号转换器就能够转化成为脉冲编码调制(Pulse Code Modulation，简称PCM)系统。在这种方式中，量化过程对信号抽样值引入了一定程度的误差或失真。这种误差，就是所谓的量化噪声，可以通过建立大量小量化间隔来最小化。本文主要内容是构造语音压缩新算法，从理论上推导灰色系统理论同样适用于语音数据处理领域。在处理技术上，灰色过程是通过对原始数据的整理来找数的规律的，而其他的一些处理方法则是按统计规律和先验规律来处理数据的。按统计规律和先验规律处理数据的方法是建立在大样本量的基础上，而且要求数据规律是典型的规律，而对于非典型的规律，则是难以处理的。而灰色过程却没有这样限制，灰色模型通常只需4个以上的数据就可以建模，而且不必知道原始数据具有的先验特征。利用灰色系统理论中的GM(1，1)模型构造灰色非线性预测器，对数据进行累加处理减少数据量，并且再对数据进行语音自适应差分编码算法(Adaptive Differential Pulse Code Modulation，简称ADPCM)以达到更高的数据压缩率。