合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种全天时、全天候、远距离、高分辨的遥感技术手段,通过发射和接收电磁波获取地面目标的回波信息,并对接收到的回波进行信号处理,得到照射目标的散射信息。为了满足不同的观测需求,星载SAR一般具备多种工作模式。当使用多模式SAR进行面目标场景回波模拟与成像时,高分辨率和宽测绘带都会导致回波数据增大,耗时过高,运算效率较低。随着图形处理器（Graphic Processing Unit,GPU）浮点运算能力和存储带宽的大幅提升,为SAR地面高效处理提供了一种有效的技术手段。因此,将GPU运用于SAR回波模拟与成像技术研究,已成为SAR数据处理方向的研究热点。本文针对基于GPU的多模式SAR回波模拟与成像算法展开研究,主要工作及创新如下:（1）深入研究了多模式SAR的工作原理、回波模型和成像方法,具体包括条带模式、滑动聚束模式、扫描模式（Scan SAR）和滑动扫描模式（Terrain Observation with Progressive Scans SAR,TOPSAR）。给出了GPU的特点及其统一计算设备框架（Compute Unified Device Architecture,CUDA）的软硬件编程模型。上述研究内容为本文基于GPU的多模式SAR回波仿真并行加速奠定了技术基础。（2）提出了一种针对多模式SAR回波模拟的GPU并行加速方案。该方案针对SAR回波模拟方法的并行性,设计出一种新型自适应数据划分策略,以异步执行的方式在GPU中分别计算分块后的子数据,最后将子数据块进行传输、拼接及恢复。实现了其在单/双GPU上的并行加速,实验验证了本文方法的有效性。（3）提出了一种针对多模式SAR统一成像算法的GPU并行加速方案。在对多模式SAR统一成像算法可并行性分析的基础上,提出了一种基于共享内存的矩阵转置方法和相位复乘方法。针对不同模式的成像方法及其处理模块,给出了优化方案。利用SAR回波数据,对多模式SAR统一成像方法进行了加速实验,验证了算法的有效性。