研究各种目标的雷达散射截面对雷达探测技术和隐身技术有着重要意义，目前，用计算或测量的方式获得电大复杂目标的RCS还存在某些困难。缩比测量是获得金属目标RCS的重要手段，然而其测试常受各种条件的限制。本文用积分方程的方法论证了理想缩比测量的原理，进而提出了保持测量频率不变的模型测量方法：在改变测量空间介质的情况下，可以实现既缩小目标尺寸，又保持测量频率不变，得到和理想缩比类似的RCS比例关系。这有望开拓新的测量方法，改进对雷达目标的RCS测量技术。为了从目标已知的RCS数据中找出其随频率变化的规律，本文用AR自回归模型对RCS数据进行了分析。对理想散射中心组合目标的分析发现AR模型可很好地完成数据拟合，可以找准其散射规律并在一定范围内外推预测。通过对复杂目标实测数据的分析发现AR可以较好地完成拟合，但不能有效地外推预测未知数据。深入分析了AR模型的特点和RCS的现象后，本文指出AR没有反映RCS的本质过程，因而不能有效外推，总结出能对未知数据进行预测的模型必须遵循相应的内在本质。为了从已知数据中建立起能有效外推未知数据的数学模型，本文提出了本质函数拟合的概念，并强调了本质函数拟合对外推预测的重要性和需要满足的性质。经过对雷达目标的散射中心随频率变化规律的总结，与其它参数模型的比较，本文建立了能反映物理机理的参数模型。面对该参数个数不定的非线性数学模型，靠数学上传统的非线性拟合不能有效地求解。经过不断探索，本文创造性地提出了内积谱提取目标信息的方法和带筛选策略的最小二乘拟合方法，并结合非线性优化，实现了对该参数模型的有效求解。这种思想应用到实测RCS数据中，较成功地拟合出了参数模型，并确立了一系列的准则来判定建立的参数模型和外推曲线是否正确有效。经过某舰船和飞机目标X波段实测数据的检验，外推结果和实测数据比较一致。从而有力地证明了本文参数模型的建立、模型求解和判别准则的正确性。本文进一步分析了参数模型的建立对测量数据的要求，并初步给出了测量数据减缩的标准。本文的分析方法可以减缩测量数据，可以从已知数据中提取参数模型，分析和预测RCS的频率特性，对非理想缩比测量理论有了进一步的认识，下一步有望用于各种目标分类、识别及隐身与反隐身技术的研究。