高压缩比和高信噪比的数据压缩技术一直是人们在数据处理领域追求的目标之一。经典的统计编码方法，如霍夫曼编码和算术编码，理论上可以应用于绝大部分类型数据，但不能保证对任何类型的数据都能达到较高的压缩比。至今，人们仍一直在努力寻找能应对各种数据分布特性的数据压缩算法。本论文介绍了一种新型的数据压缩算法，这种算法能应用于多数时域数据序列的压缩。在本算法中，首先使用ADPCM数据压缩算法对输入的原始数据序列进行处理，并得到由ADPCM编解码产生的残差数据。接着对残差数据进行编码，编码方法是基于Lloyd-Max算法的最优化标量量化方法。由于对原始数据序列编码和残差数据编码得到的码字都具有非均衡的概率分布，可以对ADPCM码字和Lloyd-Max编码码字再进行熵编码，如霍夫曼编码，这样可以得到更高的压缩效果。同时设计出一些特殊的处理方法，用以减小大幅度的残差数据。针对16bit/样点的原始时域采样序列，本算法支持三种编码比特率：9.00bit/样点，8.00bit/样点和7.25bit/样点。测试和评估表明，针对不同数据分布类型的时域数据序列，在压缩比和信噪比方面，本文设计的压缩算法都具有较高的性能；同时较低的计算复杂度也足以满足硬件实现的需要。所以本算法具有很广的应用前景。另外本算法可以很容易地扩展成无损压缩算法。