匹配追踪是一种以远低于奈奎斯特采样频率对信号进行稀疏分解的新兴算法。其主要目的是在过完备字典上对信号进行稀疏分解。该算法已被广泛应用于各领域,目前该技术也逐渐成为了音视频编码技术的一个热点方向,本文研究的内容为低复杂度下的匹配追踪语音编码算法。传统匹配追踪编码算法通过一高度冗余的字典空间,将多项最优逼近简化为求多个单项最优逼近的问题。Ravelli算法作为一种有效的音频编解码算法,虽然具有较高的匹配精度,但运算复杂度也随之增加。针对Ravelli算法字典维度过大导致匹配耗时较长的问题,本文提出一种低复杂度的基于稀疏自适应编码技术的匹配追踪语音编解码算法。该算法在Ravelli算法采用的MDCT字典的基础上,增加了时域能量较高的Gabor字典,提升了字典与信号之间的匹配程度;对于原始信号进行基于能量的预处理,选取能量较高的与字典维度相同样点数的部分,在每次迭代时对这个信号片段进行匹配追踪算法,以此减少游码式算法在遍历整段信号帧过程中的计算耗时。实验证明,在同等码率下相对于Ravelli算法降低了 0.73的MUSHRA得分,同时在典型情况下将匹配过程的运算复杂度降低至了 Ravelli算法的97%左右。综上所述,本文旨在研究低复杂度下的语音编码算法,通过分析对比算法在匹配过程中存在的字典维度过大导致匹配耗时较长的问题,提出了相应的解决方案。