برای کدینگ سیگنال صحبت، سیگنال صحبت ورودی به منظور اخذ تعدادی پارامتر موجود در طول یک بازه محدود (فریم) پردازش و آنالیز می شود. این پارامترها بصورت مجموعه شاخص های باینری (رشته بیت فشرده شده)، رمزگذاری و چندی سازی می شوند. یک از پارامترهای اخذ شده ی سیگنال صحبت ضرائب مربوط به فیلتر سنتز مرکب می باشد که اطلاعات پوش طیف سیگنال صحبت را به نمایش می گذارد. در نهایت ضرائب این فیلتر که بعنوان ضرائب lpc معروف می باشند چندی سازی شده و به سمت گیرنده فرستاده می شوند. این پایان نامه، به وفقی سازی چندی ساز برداری ضرائب lpc سیگنال صحبت در حوزه lsf و در پهنای باند تلفنی می پردازد. همان طور که می دانیم هر چقدر اندازه یک کتاب کد، بزرگتر باشد کیفیت چندی سازی برداری افزایش می یابد. اما این باعث افزایش نرخ بیت و هزینه های محاسباتی (هزینه های جستجو) خواهد شد. چنانچه بتوان با حفظ هزینه های جستجو و نرخ بیت، از یک کتاب کد بزرگتر به چندی سازی برداری بپردازیم، کیفیت خروجی چندی سازی شده تا حد قابل ملاحظه ای بهبود می یابد. در تمامی کارهای وفقی سازی انجام شده تاکنون، از کتاب کدی با اندازه بزرگتر از اندازه معمول استفاده نشده است. بنابراین در این پایان نامه سعی شده است که با استفاده از یک کتاب کد با اندازه بزرگ به بهینه سازی چندی سازی برداری پرداخته شود. به منظور بهره برداری موثر از کتاب کد بزرگتر، از ابزار پیش بینی استفاده می کنیم. در عین حال به منظور جلوگیری از افزایش اعوجاج بالا بدلیل کاهش اثرات همبستگی پایین بین فریمی در حضور پیش بینی، از یک چندی سازی safety net استفاده خواهیم کرد. در عین حال در دو حالت دیگر ابزار پیش بینی را کنار گذاشته و در یک حالت از یک شبکه عصبی پرسپترون و در حالت دیگر از ایده مرتب سازی کتاب کد بر اساس اعوجاج نیز کمک می گیریم. نتایج شبیه سازی نشان می دهد که یک trade off بین اندازه کتاب کد بزرگ و عملکرد چندی سازی وفقی وجود دارد.