The growing data demand of mobile networks has motivated the creation and evolution of architectures aiming to supply such transfer requirements. To meet these requirements, a number of challenges need to be met, including data transfer at the link between the Base Station Unit (BBU) and the Remote Radio Head (RRH). Known as fronthaul, this link requires high speed information transfer and one method that allows to tranfer more data using the same rate is data compression. Therefore, this study aimed to evaluate different techniques used in fronthaul data compression. Initially, the efficiency of some quantizers such as the scalar quantizer (SQ), twodimensional vector (VQ) and the Trellis Coded Quantization (TCQ) was verified. The analysis consists of combining these quantizers with resampling, Block Scaling and Huffman coding. In both analyzes, it was found that the system using TCQ as quantizer obtained the best relationship between Error Vector Magnitude (EVM) and computational cost, offering an EVM lower than the scalar quantizer and a computational cost lower than the vector quantizer.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoA crescente demanda de dados das redes móveis motivou a criação e evolução de arquiteturas objetivando suprir tais requisitos de transferência. Para suprir estas demandas, diversos desafios precisam ser vencidos e, entre eles, destaca-se a transferência de dados no link entre a Base Station Unit (BBU) e a Remote Radio Head (RRH). Conhecido como fronthaul, este link necessita de alta velocidade na transferência de informações e um método que permite transmitir mais dados usando a mesma taxa é chamado de compressão. Portanto, este trabalho teve como objetivo a avaliação de diferentes técnicas utilizadas na compressão de dados no fronthaul. Inicialmente, verificou-se a eficiência de alguns quantizadores tais como o quantizador escalar (SQ), vetorial de duas dimensões (VQ) e a Trellis Coded Quantization (TCQ). A análise consistiu na combinação destes quantizadores com resampling, Block Scaling e codificação Huffman. Nestas análises, verificou-se que o sistema utilizando TCQ como quantizador obteve a melhor relação entre Error Vector Magnitude (EVM) e custo computacional, oferecendo uma EVM inferior ao quantizador escalar e um custo computacional inferior ao quantizador vetorial.