人耳对于声音的敏感度很高，数字音频的有损压缩技术无法提供完美音质的音频，因为有损压缩技术在获取较高的压缩比的同时也带来了解压后信号音质的降低；另一方面，由于无损压缩压缩比小，往往无法适应传输的需要。但近年来，随着大容量存储设备的出现和网络传输带宽的增加，为无损压缩提供了物理保证，从而推动了其发展。本文针对目前存在的这些无损音频算法的应用趋势，提出了一种基于预测的无损音频压缩算法方案。 本文采用的基于预测的无损音频压缩编码器由缓冲器、系数估计和量化模块、预测器、熵编码模块和复用器等组成。原始音频信号按帧处理，输入数据首先存放于缓冲器内，然后由系数估计和量化模块计算滤波器系数并对其量化。接着，预测器根据量化后的预测系数进行预测，获得残差信号。对残差信号进行熵编码，获得最终的码字及其相关边信息。这些信息与之前获得的预测器系数一起送入复用器，再加上相应的头信息，得到压缩的比特流。解码器结构组成与编码器相似，由解复用器、熵解码器和合成器组成。解复用器从比特流中分解出码字信息和预测器系数等，熵解码器根据码字信息重构残差，然后送入预测器中，恢复出原始音频数据。解码器比编码器简单，其计算量主要取决于预测器的阶数和熵解码。 在本文整个编解码系统中，由于无损音频压缩算法的非对称性，编码端的计算要远远大于解码端。在编码端，先是信号分帧处理，为了适应暂态信号，根据实际情况可将一帧再划分成若干个短块进行处理。本文采用时域分块峰值变化率准则，能够通过简单运算取得比较准确的判决结果。 在预测模块中，采用经典的AR模型进行线性预测。考虑到可以在预测时就利用声道间的相关性，论文选用双声道联合差分编码。同时，本文还选用一种立体声互预测方法，立体预测器不仅利用到该声道以前的样值，还利用其他声道的样值。即相当于每个声道的预测器包含两个预测器，一个为基于自身声道样值预测的自预测器，另一个为利用相邻声道样值预测的互预测器。实验表明，立体声互预测能够得到比较高的压缩率，同时需要的计算量是巨大的。所以，综合考虑压缩率和计算量等因素来决定所采用的预测方法。 在无损编码模块中，由实验表明预测后信号接近拉普拉斯（Laplacian）分布，本文中经过映射转化近似于单边几何分布后，采用Golomb-Rice码对预测后信号进行熵编码，获得码字及其相关边信息，实现简单快速编码。 本文仿真实现了该编解码系统，最后将该算法与目前常见的无损音频编码算法作比较，并且给出了比较结果。从比较中可以看出，采用双声道联合差分编码和立体声互预测编码具有较好的性能。在压缩比上，双声道联合差分编码算法得到的结果可以与Monkey相比拟，当采用立体声互预测时较多情况下会超过它，尽管立体声互预测编码时编码模块计算量很大。若进一步对算法进行优化，提高其编码、解码速度，将其优势突出，相信会得到广泛的应用。