数据压缩的分类方法繁多。有人统计，仔细分来可达30~40种，到目前为止尚未统一。多数学着认同的比较一致的分类方法，是将数据压缩分为在某种程度上可逆的与实际上不可逆的两类，这样更能说明它们的本质区别。

可逆压缩也叫做祯编码或无噪声编码（Noiseless Coding），而不同专业的文献作者还采用了另外一些术语，比如，冗余度压减（Redundancy Reduction）、熵编码（Entropy Coding）数据压缩（Data Compaction）、信息保持编码（Lossless，bit-preserving,源^自!751/文-论/文*网[www.751com.cn），等等。

实际的信源：信源=信息+冗余，对冗余度的计算说明，实际信源产生信号所携带信息的效率非常低，只有20%~50%。压缩在一定限度内是可逆的，采用的技术有时域样点之间相关（短时、长时）；频域谱的非平坦性（频域相关）；统计特性，例如Huffman编码，算数编码等；通用编码，例如Lemoel-Ziv编码。

不可逆压缩就是有失真（Lossy Coding）编码，信息论中叫熵压缩（Entropy Coding）。压缩超过一定限度，必然带来失真，允许的失真越大，压缩的比例就越大。译码时能按一定的失真容许度恢复，保留尽可能多的信息。所采用的技术有：量化技术；变换编码；预测编码；人的感知特性等。

 信源编码设计流程图

4离散信源编码

香农第一定理(可变长无失真信源编码定理)

设离散无记忆信源X包含N个符号{x1,x2,…,xi,..,xN}，信源发出K重符号序列，则此信源可发出N^k个不同的符号序列消息，其中第j个符号序列消息的出现概率为PKj，其信源编码后所得的二进制代码组长度为Bj，代码组的平均长度B为

B=PK1B1+PK2B2+…+PKN^kBN^k

当K趋于无限大时，B和信息量H(X)之间的关系为B*K=H(X)(K趋近无穷）

香农第一定理又称为无失真信源编码定理或变长码信源编码定理。

香农第一定理的意义：将原始信源符号转化为新的码符号，使码符号尽量服从等概分布，从而每个码符号所携带的信息量达到最大，进而可以用尽量少的码符号传输信源信息

香农第二定理（有噪信道编码定理）

有噪信道编码定理。当信道的信息传输率不超过信道容量时，采用合适的信道编码方法可以实现任意高的传输可靠性，但若信息传输率超过了信道容量，就不可能实现可靠的传输。

设某信道有r个输入符号，s个输出符号，信道容量为C，当信道的信息传输率R<C，码长N足够长时，总可以在输入的集合中(含有r^N个长度为N的码符号序列)，找到M （(M<=2^(N(C-a)))，a为任意小的正数)个码字，分别代表M个等可能性的消息，组成一个码以及相应的译码规则,使信道输出端的最小平均错误译码概率Pmin达到任意小。