序列比对的主要工作是确定两个或者多个序列之间的相似程度,这项工作是基因测序的重要组成部分,也是生物信息学中一个非常核心的问题。序列比对需要消耗大量的计算资源,当前的比对算法难以满足海量的生物信息数据处理要求。本文针对序列比对算法BWAMEM展开加速处理研究。首先本文针对BWA-MEM算法进行研究,分析了其算法流程和主要的运算策略,通过对其不同运算阶段的性能进行分析,确定了其中SeedExtension阶段具有计算密集型的特点,并对该阶段中的SmithWaterman算法进行硬件加速可行性分析。其次,搭建了异构计算硬件平台,本文利用Smith-Waterman算法的波前特性,提出一种对SmithWaterman算法的硬件加速方法。硬件加速器的设计基于OpenCL语言和高层次综合设计流程,在IntelFPGA硬件平台上对Smith-Waterman算法进行了硬件加速设计并对其加速效果进行分析和讨论。最后,为了降低硬件加速平台中数据传输和调用内核所消耗的冗余时间,本文利用数据整合优化设计的策略,通过进一步改进已经完成的SmithWaterman算法硬件加速设计并且针对BWA-MEM进行软件优化,实现了对BWA-MEM的异构计算加速优化。实验结果表明,本文提出的硬件加速平台和硬件加速方法可以实现对于Smith-Waterman算法的加速,在序列长度低于150的范围内,其运算时间的加速比最高可达到4倍。基于Smith-Waterman算法硬件加速器以及BWA-MEM软件优化,可以在理想条件下针对BWA-MEM中SeedExtension阶段的Extend平均运算时间,实现最高1.34的加速比。研究结果表明,本文提出的序列比对硬件器设计和加速方法可以实现序列比对算法的加速,有望应用到实际的序列比对应用中。