平方公里射电望远镜阵列(Square Kilometre Array，SKA)是国际天文界正在建造的世界最大的综合孔径射电望远镜阵列，其接收面积达到1平方公里，为人类认识宇宙提供了重大的机遇。但仅在SKA的第一阶段，所观测到的天文数据就已经达到了每秒10Pbit/s，如此巨大的数据量对天文学家们是一个严峻的考验。而且，由于大型低频射电干涉阵列(如SKA1-LOW)在成像过程中对图像质量的高要求，必须考虑非共面基线效应，即w项的影响，故将这种经过w项校正后进行成像的方法称之为宽视场或大视场成像。
　　天文学家提出了多种宽视场成像方法：三维傅里叶变换成像、faceting、w-projection、w-stacking和warpedsnapshots等。对于这几种方法，虽然可以使得图像的失真得到校正，能够清晰的观察到图像边缘的详细信息，但由于算法的复杂度增加，使得成像时间倍增。例如：faceting算法对于非共面图像进行切面投影处理时，当分割的切面越多，需要的成像运行时间就越多。而w-projection算法则通过利用卷积核函数，将三维观测数据映射到二维平面上进行成像，这种算法需要占用较长的时间来计算和存储卷积核函数。这两种算法都比传统的二维傅里叶成像算法慢100到1000倍，因此必须对算法进行加速优化，以便应对将来的海量天文数据成像。
　　本文研究的主要内容为：
　　1、研究uv-faceting算法的并行加速成像方法。详细分析了uv-faceting算法的成像原理，并提出了基于MPI+OpenMP的uv-faceting成像并行算法和基于MPI+CUDA的uv-faceting成像并行算法。针对uv-faceting算法中最耗时的数据加载和栅格化(Gridding)这两个步骤进行并行优化，用真实的观测数据进行图像验证性，单节点和多节点测试，得到清晰的成像结果，并验证两种并行优化方法可以成功加速13-14倍，且具有良好的的可拓展性和稳定性。
　　2、研究w-projection算法的并行加速成像方法。通过分析w-projection算法的实现原理，提出了基于MPI+OpenMP的w-projection成像并行算法和基于MPI+CUDA的w-projection成像并行算法，使之适用于大型低频干涉阵列海量数据的快速成像。通过将这两种方法和原始的成像方法进行对比，表明基于MPI+OpenMP和MPI+CUDA的w-projection成像并行算法可以明显的提高13-19倍的运行效率，图像质量增强，具有良好的可扩展性和稳定性。
　　3、研究一种基于faceting算法和w-projection算法的混合算法，称为混合“w-facets”算法，为宽视场成像方法的更广泛使用提供了技术支持。本文分析了混合w-facets算法的背景和研究意义，推导出具体的算法实现过程，并运用实际的观测数据进行图像验证性实验和性能测试分析。表明混合w-facets算法的成像质量优于单个faceting算法或w-projection算法，且具有稳定性好、亮源附近的动态范围小等优点，但不可避免的会增加成像时间的损耗。