在雷达、声纳等领域中，电子干扰强烈，信号质量较差，而自适应阵列天线可通过调整各个阵元的权值，在目标信号方向上形成主波束，而在干扰信号方向上形成零陷，从而对干扰进行有效地抑制。自适应波束形成技术，也称为自适应波束形成算法，是自适应天线技术的核心，在时域中经典的自适应波束形成算法有LMS、RL和SMI。其中，SMI（采样矩阵求逆）算法因其收敛速度快，并且稳定性高，在雷达、声纳领域广泛应用，但是由于通过直接对采样自相关矩阵求逆，运算复杂，一般使用高端的CPU或ADSP进行计算。本文选用GPU作为并行计算平台，针对我们抽象出的自适应波束形成在实际应用领域的问题模型，设计了基于GPU的并行SMI算法流程，实现了滑动矩阵构造和自相关矩阵求逆等关键步骤，并从算法的执行顺序，存储器访问，数据存储格式等方面进行了优化，有效地提升了基于GPU的SMI算法的执行速度。最终的实验表明：我们的GPU+CPU异构并行计算SMI算法，相比于单纯的CPU计算，对于一个参考信号的加速比已经达到了20x~22x，而且利用新一代GPU的Fermi架构支持kernel并发执行的特点，对于两个参考信号的处理，与顺序执行kernel相比，可以提升38.5%的性能。