射电天文是现代天文研究的一个重要领域,随着大型射电望远镜的不断建成,射电观测为实现人类的许多科学目标提供了巨大的可能。射电望远镜海量复杂数据的高性能处理和分析是新世纪天文学研究的重要内容。明安图射电频谱日像仪（MingantU SpEctral Radioheliograph,MUSER）是中国新一代厘米-分米波综合孔径望远镜,在400MHz15GHz频率范围内同时以高时间、高空间和高频率分辨率对太阳进行射电频谱成像,所获得的海量观测数据给高性能实时以及事后数据处理带来了巨大的挑战。本文针对MUSER数据处理流水线的自动化流程和数据处理性能开展研究,工作贯穿从数据预处理到成像的整个流程,旨在突破MUSER成像质量以及计算性能等关键技术,具体工作说明如下:（1）在数据预处理阶段,进一步深化了基于机器学习的异常数据自动标记技术研究。本研究通过对原始观测数据的分析,基于支持向量机和循环神经网络的方法实现了MUSER数据处理系统异常数据自动化标记,取得了较高的标记准确率,解决了前期异常标记过于依靠人工记录的问题,为数据处理流水线的成图质量提供了保障;（2）初步实现了一个完整的MUSER数据处理流水线设计。给出了MUSER UVFITS格式定义,为开展数据交换打下了基础。同时,系统地研究了相位校准、UVW计算及观测数据积分方法,有效提高了最终成像质量;（3）进一步研究了MUSER高性能成图算法,基于GPU实现了包含权重、网格化以及洁化算法。研究了适用于MUSER的混合洁化算法以及基于多尺度带通滤波的并行洁化算法,在成像质量和算法性能两方面都得到了提升;（4）实现了当前阶段系统相位误差的改正及CLEAN算法迭代次数的估计。由于当前唯一可用校准源跟踪精度不足等问题,成像得到的原始脏图中日面偏离图像中心。文章通过相位相关的方法估算了相位误差参数,并利用估计出的日面和天空背景亮度,确定了洁化算法迭代阈值,实现了对算法的改进,克服了迭代次数依赖经验的问题;（5）MUSER高性能数据处理的实现。给出了算法的GPU实现及成图性能分析,实现了将整个数据处理流水线集成到项目组为天文领域高性能数据处理设计的分布式计算框架—OpenCluster。同时,基于Python开发了MUSER数据处理命令行系统。当前实现的数据处理系统可满足实时以及事后处理需求。本文的工作进一步完善并最终构建了一套高性能的MUSER数据处理系统,为充分发挥MUSER的性能优势,提高后续科研产出打下了基础。同时,在中国参与国际科技创新合作项目——世界上最大的射电望远镜阵列SKA（Square kilometre array）建设的背景下,MUSER可作为SKA太阳观测数据处理有效的实验环境。当前针对海量数据处理的研究方法也为未来开展SKA相关工作打下了良好的基础。