本文围绕大规模天线阵列自适应波束形成处理器的实时实现问题,探索如何采用基于图形处理器(GPU)的并行处理架构,改造现有的自适应波束形成算法,以提高自适应波束形成处理器实时处理能力。本文的主要工作包括：(1)分析了图形处理器(GPU)的硬件架构和并行处理的硬件、软件框架,介绍了CUDA (Compute Unified Device Architecture,统一计算设备架构)这一通用并行计算架构的特点和软件开发流程,并且尝试了在CUDA的软硬件环境下算法的并行处理方法。(2)根据GPU和CUDA的特点,对基于正交投影处理的自适应波束形成算法进行了改造,使其能在该硬件平台并行计算,完成了算法的优化编程,并在硬件平台上对算法进行了性能评估和测试。实验结果表明,针对相同的计算任务,采用基于GPU的改进的正交投影算法,同DSP相比,计算速度提高了10倍以上。(3)对快速降秩稳健最小方差自适应波束形成算法(FRRMVB)进行了改造,使其能在GPU加CUDA的硬件平台并行计算,完成了算法的优化编程,并在硬件平台上对算法进行了性能评估和测试。实验结果表明,针对相同的计算任务,采用基于GPU的改进的FRRMVB算法,同DSP相比,计算速度提高了一倍。(4)结合系统对自适应波束形成处理器的需要,提出了一种基于多GPU和FPGA的自适应波束形成处理器的实现方案,给出了具体的实现框图,并详细介绍了框图的组成部分,以及各部分的主要功能和主要接口,并给出了该自适应波束形成处理器中数据流的详细分析。