合成孔径雷达是一种可全天候、全天时工作的成像遥感设备，可以对地面目标进行高分辨率、大面积成像。合成孔径雷达原始数据的数据率非常高，数据间的相关性弱、动态范围大，回波信号的分布近似高斯白噪声。这给数据的传输和存储带来了很大的困难。随着合成孔径雷达技术向多波段、多极化和高分辨率方向发展，合成孔径雷达所产生的原始回波数据的数据率越来越高。对原始数据进行压缩，成为减小数据率的重要手段。本文结合真实合成孔径雷达原始数据，以提高量化性能为目的，研究了合成孔径雷达原始数据压缩算法。本文首先分析了SAR原始数据的统计特性，回顾和评估了现有的几种压缩算法(BAQ、BAVQ、FFT-BAQ和DWT-BAQ)，为进一步的研究做了铺垫。在BAQ算法的基础上，提出了BATCQ算法。首先对SAR原始数据实施BAQ以减小数据的动态范围，然后对BAQ处理后的数据进行网格编码量化。该方法在考虑了SAR原始数据特性的基础上利用卷集编码和信号空间扩展来增大量化信号间的欧氏距离，进一步提高了量化增益，取得了较好的量化和抗误码性能。在DWT-BAQ算法的基础上，提出了LWT-BATCQ算法。结合了小波变换和网格编码量化的优点，获得了更好的量化效果。同时采用提升小波来代替传统小波，减小了小波变换的计算复杂性，加快了运算速度。针对当前小波方法进行高倍数压缩时，由于某些子带小波系数置零带来的信号频谱特征变化和频谱减少的问题，提出了LWT-BAQ／VQ算法。使用了低维数的矢量量化来压缩被分配到低比特率的子带区域，计算量增加不多，同时保持了频谱特性，频谱没有减少，使得数据压缩的结果不会降低雷达图像的分辨力。首次提出将多小波应用于SAR原始数据压缩，在单小波压缩算法的基础上，提出了多小波压缩算法MWT-BAQ。多小波技术由于克服了传统单小波的一系列缺点，所以获得了比单小波压缩算法更好的量化性能。