利用气象雷达对各种气象参数进行采集是气象环境探测的重要方式,气象雷达发射电磁波,通过从回波中提取到的各类参量,进而判断电磁波传播方向是否存在气象目标,并根据回波参量的大小进行气象目标的定量计算,复杂气象的分类等。但是电磁波在碰到气象目标后会发生散射现象,而气象目标也会吸收部分电磁波,从而导致气象雷达实际接收到的信号强度要低于实际信号强度,即气象雷达的回波参量存在衰减现象。雷达回波参量的衰减现象对后续气象目标的定量计算,气象分类等都会产生影响,尤其对于波长较短的X波段气象雷达,衰减情况更为严重,因此对X波段气象雷达进行雨衰补偿是十分必要的。本文针对X波段双偏振气象雷达的雨衰问题,探究气象雷达回波参量之间相互关系,提出了两种能够对进行有效雨衰补偿的方法,并通过实验证明了每个方法的雨衰补偿效果。本论文的工作重点可以分为以下几点:第一,研究了气象雷达雨衰补偿相关内容,重点介绍了气象雷达的回波参量和X波段双偏振气象雷达的数据来源以及数据格式,并对差分传播相移数据进行了退折叠和相位调零的预处理,方便后续的数据处理。第二,提出了一种基于MCMC(Markov Chain Monte Carlo)方法的反射率因子衰减补偿算法,该方法能够利用差分传播相移和差分传播相移率之间的关系动态构造马尔可夫链,并通过Metropolis-Hasting(M-H)抽样得到一组可以模拟转移状态的抽样集合,用抽样集合的均值作为差分传播相移估计结果,最后采用自适应方法对反射率因子进行衰减补偿。实验证明MCMC方法能够利用更小运算量得到与卡尔曼滤波方法近似的估计性能。第三,MCMC方法能够有效的对差分传播相移进行质量控制,但MCMC方法对接受概率的结果依赖性较大,会影响到估计性能。因而提出了一种基于扩展卡尔曼滤波修正的MCMC(EKF-MCMC)方法的雨衰补偿算法,该算法利用扩展卡尔曼滤波来构造MCMC方法的接受概率,从而将经过扩展卡尔曼滤波处理后的数据加入到MCMC算法,使MCMC的抽样值更接近真实值,提高数据估计的精确度。实验结果表明该方法的估计效果更佳,但其需要的运算量更大。