随着超大集成电路的发展,高性能、低成本的芯片成为主流。而一方面由于电路集成度增加,导致复用功能IP(Intellectual Property)核越来越多,但是外部自测试设备ATE(Auto Test Equipment)的带宽、通道数目以及时钟频率跟不上测试要求。通过提高ATE的硬件配置虽然能解决问题,但是成本过高。另一方面随着电路的发展,需要在芯片上测试的向量数也越来越多,这给测试带来更大的挑战。测试压缩是解决这些问题的重要方法之一。测试压缩不仅能够除去压缩中的冗余信息,而且可以提高ATE传送数据的速度,从而更好的减少数据传输时间、减少数据存储容量,对于大数据时代中的数据处理有着重要的意义。本文在这种背景上做出研究。首先本文介绍了压缩过程中可能出现的故障,包括软故障、硬故障,同时介绍了理想中的测试生成技术,降低在测试中发生故障几率。其次分析传统压缩方法主要包括Golomb编码、FDR编码以及交替连续编码,还有几种基于统计的压缩方法包括Huffman编码、选择Huffman编码以及九值编码等,分析出其运用统计固定块出现频率的方法来压缩数据流,得到的压缩率高且还原简单。而这些传统压缩数据方法是基于0游程或者1游程划分数据流,这种方法只能针对一种类型的游程进行编码,而本文提出用幂次划分数据流不仅针对0或1游程编码,对于交替跳变的编码也可以同时进行划分,这样划分出不同的连续或者交替块后,就可以用统一的前缀形式压缩数据流。实验结果表明本文提出的算法平均压缩率达到62.23%,高于Golomb码和折半编码。其次传统编码在还原的时候必须根据特殊标记位进行还原,而本文提出的编码方法,可以直接根据前缀1的个数计算出原数据块连续个数,从而减少还原步骤,提高了压缩时间。