逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像可获得目标的高分辨率成像结果,提供目标的尺寸、结构等特征信息,从而为目标的分类与识别提供依据,在空间态势感知和防空反导等领域中发挥着重要的作用。ISAR成像经过六十余年的发展,其基本理论已经趋于成熟。但是,随着雷达硬件系统的更新与目标观测需求的提升,当前ISAR信号频率向高频段方向不断发展,雷达信号带宽也不断增大,使得需要处理的回波数据量迅速增加,导致成像计算速度难以满足要求。针对如何提升ISAR成像计算速度的问题,本文研究了使用图形处理器(Graphics Processor Unit,GPU)加速的ISAR快速成像方法,利用GPU的多核心优势实现ISAR实时成像。本文的研究内容具体包括以下三个部分:第一部分介绍了ISAR成像的基本原理,构建了ISAR成像几何模型和信号模型。然后阐述了ISAR成像过程中平动补偿的物理意义,并讨论了包络对齐的常用方法以及快速最小熵相位补偿方法,为后文的GPU加速ISAR成像打下理论基础。第二部分针对ISAR成像处理过程中最小熵相位补偿方法计算量大的问题,提出了GPU加速最小熵相位补偿方法。首先介绍了GPU中计算统一设备架构(Compute Unified Device Architecture,CUDA)编程模型。针对最小熵相位补偿计算中大量出现的快速傅里叶变换(Fast Fourier Transform,FFT)计算,提出了使用CUDA加速实现的方法,通过合理的数据分配以及内存利用,相对仅使用中央处理器(Central Processing Unit,CPU)计算获得了80倍的加速比。接着给出了使用CUDA加速并行累加计算的实现方法,通过归并累加方式充分利用GPU核心数量优势,在一维与二维累加计算中获得了相对CPU计算60-90倍的加速比。在此基础上,利用并行FFT计算与并行累加计算实现了GPU加速的并行最小熵相位补偿计算。结合CUDA执行模型,改进了原有最小熵相位补偿计算流程,实现了相对CPU计算最多70倍的加速比。第三部分针对单线程执行难以有效利用CPU与GPU计算能力的问题,提出了并行ISAR快速成像计算方法。首先介绍了并行计算中的多线程计算模型,然后给出了ISAR成像计算中匹配滤波与包络对齐计算的实现方法。针对ISAR快速成像计算流程控制与任务分配问题,提出了在每个CPU线程中使用状态机模式控制ISAR计算的过程,通过开启多个线程分别计算不同回波数据实现并行,并使用互斥锁保证同一时刻只有一个线程利用GPU执行相位补偿计算的方法。通过这种方式实现了相对CPU计算50倍左右的加速比。在对方位向256点距离向512点的回波数据进行成像时可以实现高达44帧每秒的计算速度。