毫米波近场阵列成像系统可以实现对近场目标高帧率、高分辨率的探测与成像,适用于对实时性要求较高的安全检查、无人驾驶、军事侦察等领域。不足之处是回波的大数据量使原始成像方法效率低。本文针对毫米波近场阵列成像方法以及硬件上图形处理器(Graphics Processing Unit,GPU)并行化加速等关键问题开展了具体研究。从成像体制看,本文着重研究了平面毫米波近场阵列成像体制和柱面毫米波近场阵列成像体制。首先对平面体制的三维距离徙动算法(Range Migration Algorithm,RMA)进行了推导,针对CPU下基于Python的算法实现耗时大的问题,提出了基于Numba编译器中装饰器的GPU化方法,在单GPU情况下速度相比单CPU提高了4.7倍。针对插值运算量大导致的耗时巨大的问题,提出了基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的多线程并行线性插值算法,该算法比CPU下提高了1005倍。并利用cufft库函数加速快速傅里叶算法,并把CPU下的for循环迭代利用GPU核函数实现并行化加速,速度相比CPU下的MATLAB实现提高了2.7倍。其次基于距离徙动原理对柱面体制下快速三维成像算法进行了推导,针对CPU下算法耗时巨大的问题,利用CUDA进行了柱面体制下快速三维成像算法GPU化。对于所需的累加运算,基于二分法求和的GPU化成像方法,通过多线程并行计算提高了成像速度。仿真和实测数据速度相比在CPU下的MATLAB分别提高了3倍和2.9倍。