隨著信息時代的到來，各領域需要分析、傳送和儲存的數據也與日俱增。對數據進行壓縮后再傳送與儲存，既可以保證傳送的速度，也可以有效節省儲存空間，這使得無損壓縮算法十分有用。早期的無損壓縮算法主要是基于統計方法心，直到1977年，以色列學者Ziv J和Lempel A利用數據流中重復數據可用短碼編碼的思想，提出了基于字典的壓縮算法，稱為L277壓縮算法。次年，兩人對算法進行改進，用“前綴，字符”在字典中匹配代替了原來在窗口中查找相同字符，新算法減少了“前綴，字符”的比較數目，稱之為L278算法。之后，對L278算法的改進越來越多，LZW算法就是其中一個變種。當數據重復度大時，LZW算法壓縮比優于基于統計的壓縮算法。相對基于統計的壓縮算法，基于字典的壓縮算法在運算速度上更具優勢，因為前者需要掃描2遍原數據。LZW壓縮算法在壓縮及解壓數據時，動態生成一個字典，用于保存已壓縮的歷史數據，當“前綴，字符”可在字典中查找到時，則繼續讀人待編碼數據，直到“前綴，字符”無法在字典中匹配時，對前綴進行編碼輸出以達到壓縮的目的。LZW壓縮算法在壓縮時間及壓縮性能上的優勢使其應用范圍十分廣泛。

　　本文分析LZW壓縮算法基本原理，在其基礎上提出改進算法，并通過英文文本數據的仿真及殘差數據的壓縮應用驗證該算法的有效性。
?