双向反射分布函数(BRDF)可以描述粗糙面的散射与辐射特性，在目标的探测、跟踪、识别、特征提取和隐身技术等领域具有重要的应用价值。本文根据BRDF实测数据采用不同的方法对BRDF进行优化建模，主要研究内容包括：首先分析了几种典型目标表面的BRDF统计和经验模型，并详细讨论了五参数模型。然后通过引入遗传算法、模拟退火算法和粒子群算法，结合BRDF五参数统计模型对不同样片的实验数据进行了优化，建立了样片具体统计模型，模型与实验数据取得了很好的一致性。同时鉴于BRDF受众多因素的影响和具有复杂的非线性特点，用传统的方法进行数据拟合和预测的结果往往不能满足要求。论文提出了基于最小二乘支持向量机的BRDF建模方案。介绍了支持向量机的理论基础和原理，并利用遗传算法优化LS-SVM模型中的参数，建立了基于遗传算法参数优化的LS-SVM模型。同时利用BP神经网络对BRDF进行建模，并重点将其结果与LS-SVM建模效果进行了对比分析，结果表明LS-SVM建立的模型具有精确度高，推广能力强的优势，具有工程实用价值。另外，论文结合BRDF五参数模型和LS-SVM模型计算了目标的近场雷达散射截面(RCS)，结果表明应用BRDF统计模型研究复杂目标的散射特性具有直观、计算效率高等优点。