合成孔径雷达(SAR,Synthetic Aperture Radar)具有全天候和高分辨的对地观测能力,在战场监视和灾后救援等军事和民用领域均得到广泛应用。卫星和飞机等各异的雷达平台、正侧和斜视等不同的成像模式以及厘米级分辨率的应用需求,使得SAR成像处理呈现出算法复杂化、数据海量化等趋势,这些变化给SAR平台的准实时成像处理提出了巨大的挑战,因此基于高性能计算平台的SAR成像处理算法并行优化成为当前研究的热点。本文基于图形处理器(GPU,Graphic Processing Unit)的高性能计算结构开展了正侧视和斜视成像条件下典型成像算法的并行优化技术研究,搭建了基于GPU的合成孔径雷达成像处理仿真系统,验证了优化算法的功能和性能。研究和实验结果表明基于GPU的计算结构和并行优化方法可大幅提高典型应用背景下孔径成像处理算法的性能,实现了准实时的成像处理。论文在分析SAR成像处理技术及其发展趋势的基础上,研究了统一计算设备架构(CUDA,Compute Unified Device Architecture)的并行计算模型,为进一步的成像算法优化奠定了技术基础。研究了正侧视条件下的成像机理和距离多普勒(RD,Range Doppler)成像算法,针对该成像算法中插值操作无法多线程并行化计算的问题,结合GPU和CPU各自的计算特点,将RD算法分为2个部分:距离压缩和距离向数据插值参数的计算由CPU来完成;根据插值参数完成距离向数据的插值和方位压缩由GPU来完成。这种将RD算法合理分配给GPU和CPU来计算的方法充分的利用了GPU和CPU各自的特点和计算能力,有效提高了成像算法的计算效率,满足了准实时的计算需求。研究了斜视条件下的成像机理和CS(Chirp Scaling)成像算法,针对该成像算法中小斜视角和大斜视角下距离徙动校正偏差的问题,进行了详细的理论分析,之后结合CS算法的特点,合理完成内存和显存的分配,相位相乘的同时完成显存数据存储方式的改变,使得基于GPU的CS并行算法具有准实时的计算效率。同时也研究了SAR回波仿真方法,进行了回波仿真算法的并行优化,并提出了一种基于时延离散化的SAR高效回波仿真方法。充分利用GPU和CPU的优点搭建了SAR仿真验证系统,为成像算法性能验证提供了高性能的仿真实验环境。开展了多种成像模式下不同场景的SAR成像处理仿真验证实验研究,对并行优化完成的成像算法进行了功能和性能验证,仿真实验表明基于GPU的SAR并行成像平台具有准实时的性能,有广泛的工程应用前景。