Le mode de codage est appelé prédiction à long terme à impulsion régulière (RPE-LTP).
Cela fonctionne comme suit : un échantillonnage de 8 KHZ est effectué en premier, puis divisé en images de 20 ms ; chaque image comporte 4 sous-images ; la durée de chaque sous-trame est de 5 ms ; et le débit binaire pur est de 13 kbit/s.
La technique de codage par compression vocale est largement utilisée dans les systèmes de communication numérique modernes. Dans cette technique, un codeur vocal est utilisé pour mettre en place un modèle permettant de simuler la voix et le bruit produits par les organes vocaux humains. Les paramètres pour former le modèle seront transmis via les canaux TCH.
Le codeur vocal est basé sur le codeur de prédiction linéaire excitée résiduelle (REIP). De plus, le prédicteur à long terme (LTP) est utilisé pour améliorer l’effet de compression. LTP peut rendre le codage des données résiduelles plus avantageux en supprimant les voyelles de la voix. Avec 20 ms comme unité, le codeur vocal produit 260 bits après codage compressé. Le débit de code est donc de 13 kbps. Selon les différentes classes d’importance de l’information, les bits de sortie peuvent être classés en trois catégories : 50 bits très importants, 132 bits importants et 78 bits ordinaires.
Par rapport à la ligne PCM traditionnelle sur laquelle la voix est codée directement et transmise (64 kbps), le débit vocal de 13 kbps du système GSM est bien inférieur. Le codeur vocal le plus avancé du futur pourra réduire davantage le débit à 6,5 kbps (codage vocal à moitié débit).