合成孔径雷达(SAR)原始数据量非常大，给信号的传输和存储带来很大的困难，为解决这个问题，必须采用数据压缩技术。本文研究SAR原始数据压缩算法，对目前该领域所涉及的标量量化、矢量量化、预测编码和变换编码四类技术进行了分析和比较。在现有算法的基础上，改进并提出几种新的算法。对实测SAR原始数据压缩处理的结果表明，文中提出的算法能在一定程度上实现性能和复杂度之间的合理折衷。
　　论文第一章绪论，阐述了SAR原始数据压缩技术的目的及意义，回顾了国内外SAR原始数据压缩技术的发展历程及其现状，并介绍了本文的主要内容。
　　论文第二章讨论了SAR原始数据统计特性，并使用实测SAR原始数据进行了验证。SAR原始数据熵值很高以及类似噪声的特点，使得基于去除冗余的无损压缩算法以及一些常规的图像压缩算法不能直接应用。为解决此问题，需研究适合SAR原始数据统计特性的有损压缩算法。本章还归纳了SAR原始数据压缩领域中常用的性能指标。
　　论文第三章研究了SAR原始数据压缩的标量量化算法。基于Lloyd-Max量化器的块自适应量化(BAQ)算法是目前SAR原始数据压缩领域中最为成熟的算法。重点分析了采用熵受限标量量化器代替Lloyd-Max量化器时，算法性能改善情况。实测数据处理结果表明，采用熵受限BAQ算法能提高性能，并且复杂度并无显著增加。此外，与BAQ算法相比，熵受限BAQ算法还能提供更为精细的输出编码比特率。
　　论文第四章研究了SAR原始数据压缩的矢量量化算法。块自适应矢量量化(BAVQ)算法是SAR原始数据压缩领域中的经典矢量量化算法，其量化信噪比相对于BAQ算法最多可提高3.5dB，但算法运算量大。为实现算法性能和运算量之间更为合理的折衷，提出了块自适应树型矢量量化(BATSVQ)、块自适应变速率树型矢量量化(BAVTSVQ)及块自适应球形矢量量化(BASVQ)三种矢量量化算法。它们的主要特点是采用约束型矢量量化器代替BAVQ算法中的穷尽型矢量量化器，尽管算法性能略有下降，但大大降低了运算量。BAVTSVQ算法和BATSVQ算法均具有“逐次逼近”特性，但由于前者采用了非平衡树，能在一定程度上避免“空单元”问题，因此性能优于后者。BASVQ算法采用球形矢量量化器（格型矢量量化器的一种），与BATSVQ和BAVTSVQ算法相比，可进一步降低系统负荷，而且由于其码书无需训练和存储，因此具有很强的适应性。
　　论文第五章研究了SAR原始数据压缩的预测编码算法。归一化预测自适应量化(NPAQ)算法采用标量预测技术，利用Lloyd-Max量化器量化原始信号和预测信号之间的残差信号。但是，在实际应用中，通常需要对NPAQ输出的码字进行熵编码，此时Lloyd-Max量化器并不是最佳标量量化器。针对残差信号接近于零值的个数增多的特点，提出了归一化预测自适应阈值量化(NPATQ)算法。该算法采用阈值量化器量化残差信号，与NPAQ算法相比，在复杂度并无显著增加条件下，提高了性能，且能够提供更为精细的输出比特率。此外，本章还提出了块自适应预测矢量量化(BAPVQ)算法。该算法先采用矢量线性预测器对原矢量进行预测，再对原矢量与预测矢量之间的残差矢量进行矢量量化。BAPVQ算法可视为标量预测技术在矢量量化中的拓展，其性能优于采用单一矢量量化技术的BAVQ算法以及单一标量预测技术的NPAQ算法。
　　第六章研究了SAR原始数据压缩领域中的变换编码算法，包括基于快速傅立叶变换的块自适应量化(FFT-BAQ)、基于离散余弦变换的块自适应量化(DCT-BAQ)和基于小波变换的块自适应量化(WT-BAQ)算法。由于SAR原始数据经过以上变换后，仍具有零均值高斯分布的特征，本文第三、四、五章研究的部分时域压缩算法可以拓展到变换域中。基于此，提出了基于快速傅立叶变换的格型矢量量化(FFT-LVQ)算法，该算法利用FFT改变信号的能量分布关系，并采用格型矢量量化器量化频域矢量信号。实测数据处理表明，其量化信噪比相对于FFT-BAQ算法能提高0.5dB以上。
　　论文第七章归纳了文中研究的各种SAR原始数据压缩算法的性能、结构特点以及实现复杂度，并根据这些算法所适用的不同领域，给出了工程应用时选择它们的参考标准。
　　论文第八章结束语归纳了本文的研究要点，并指出了下一步的需要继续研究的问题。