随着计算机技术及传感器技术的发展，人们对工业过程安全高效生产的要求愈来愈高，这导致了过程测量数据爆炸。过程数据是一种非常丰富的信息资源，可应用于各种过程运行和控制任务，因此大量的过程数据需要存储。同时，由于测量误差、计算误差甚至人为因素，过程数据又不可避免的含有大量冗余数据和不相关信息。此外随着网络技术的发展，网络控制、远程监控已经逐步应用到工业生产过程中，大量过程数据需要通过网络实时地传输到异地以实现资源共享。因此发展过程数据实时压缩技术显得非常必要，数据压缩一方面可以剔除采样的冗余和不相关信息，保留过程的主要特征信息，节约数据存储空间；另一方面可以减少数据流量，提高数据传输的速度及效率，为企业综合自动化系统服务，提高自动化技术的精确性、实时性。论文在对小波变换原理研究的基础上，分析了SPIHT算法。SPIHT算法是EZW算法的改进算法，基本思路与EZW算法相同，主要改进在于构造了两种不同类型的空间零树，从而能更好的利用小波系数的幅值衰减规律。考虑到SPIHT在压缩方面的优点，我们决定把SPIHT算法扩展到一维过程数据中，并利用其良好的特性来压缩数据。但在提高编码简单性，突出低高频重要性差异以及提高压缩效率等方面存在不足。信号小波分解得到的低频子带能量多，因而重要性高；而高频子带反映的是细节信息，因而重要性也低。为了突出重要性的差别，可以对高频子带进行预处理，这样在同样的码数的情况下，可以传输更多的重要信息。同时考虑到一维过程信号的具体情况，生产过程中不同时刻的突发事件会在过程数据不同频率范围体现出来。为了能够检测出过程数据中是否含有故障信息，要求准确分析出信号中的暂态成分；而在正常工作状态下，过程数据相对比较平稳，而小波变换中支集较短的小波能够较好描述暂变信号，而支集较长的小波则对处于平稳时的信号有较好的描述。为了能够更好的描述信号，我们采用了一种提升格式的自适应插值小波。本文所作的工作如下：第一章，综述过程数据压缩的目的、意义、特点及发展现状，并由此引出论文课题。第二章，介绍了小波基本知识和提升小波的原理，并简单叙述了提升小波的构造及相对于传统小波的优缺点。第三章，介绍典型的过程数据压缩方法，总结分析各种方法的优缺点。第四章，根据一维信号的特点以及我们要实现的目的，把基于提升格式的自适应插值小波应用于SPIHT算法压缩中，改进了一些SPIHT算法的缺点，并仿真验证，取得了一定的效果。在文章的末尾我们对该算法进行了总结，并对将来的算法的改进进行了展望。