随着通信系统和多媒体终端的快速发展，要传输的数据各式各样，数据量也在急剧增长。为了降低通信和存储负荷，高压缩比，高质量的数据压缩方法成为一种需要。传统的统计编码方法，如huffman编码方法和算术编码方法，在理论上适用于大多数类型的数据，但往往不能达到较高的压缩比。为了能够较好地压缩不同概率分布的信源，至今人们仍在为数据压缩算法的研究付出努力。本论文介绍了一种新的时间序列无失真压缩算法，整个算法框架包括四个主要模块，分别为预处理模块、符号位编码模块、高比特位编码模块和低比特位编码模块。预处理模块采用了比特深度检测和比特区域划分方法把输入信号划分为符号位数据、高比特位数据和低比特位数据。这样，经过预处理得到的三路信号分别体现出不同的统计特性而更有利于压缩。接下来，符号位编码模块从符号位数据中提取原始信号的正负极性信息，高比特位编码模块和低比特位编码模块分别采用不同的方法对高比特位数据和低比特位数据进行编码。根据这两路信号的分布特点，高比特位编码模块采用了huffman编码方法对其进行无失真的熵压缩，低比特位编码模块则采用了基于当前帧比特深度的划分方法对低比特位数据进行更加细致地压缩处理。除此之外，在无失真压缩编码的基础上进行了有失真编码扩展，分别实现了三种固定编码速率模式下的有失真数据压缩算法。通过全面测试和性能评估，这套新的数据压缩算法体现了自身的特点，并在对一般时间序列的压缩性能上有了明显的改善，满足实际应用的需要。