当今,阵列雷达是一种有着很好应用前景的高性能雷达,这种体制的雷达具有众多的优点:多目标、远距离、高数据率、高可靠性、高自适应能力、拥有快速而精确的转换波束的能力,能够在时间上交错地甚至是同时地完成多种功能等。近些年,GPU技术得到了飞速的发展,基于GPU的软件化雷达成为了目前研究的一个热点。相对传统的基于FPGA+DSP的硬件化雷达而言,软件化雷达有着开发成本低、开发周期短、易于调试、实时性及扩展性强等优势。本文以某型号的相控阵雷达系统为支撑,围绕基于GPU的阵列雷达信号处理的实现技术进行展开,主要工作包括以下几个方面:首先,介绍了CPU+GPU的异构架构,详细分析了CUDA的编程模型,主要包括CUDA程序的执行流程、内核函数、线程层次结构以及存储结构等。然后,介绍了该雷达试验系统的信号处理流程,对阵列雷达信号处理中的关键算法进行了研究,包括数字波束形成、脉冲压缩、动目标检测、恒虚警检测和角度测量。同时提出了一种基于阵列处理的波束旁瓣目标虚警点剔除方法,新方法能很好的降低虚警率,提高对目标的检测性能,尤其能够很好的用于解决共形阵中存在的高旁瓣带来的虚警率高的问题。接下来依据信号处理算法的原理对雷达的实际接收回波数据进行了仿真分析,同时对各个算法的处理效果做进一步的说明。最后,研究了阵列雷达信号处理算法在GPU上的实现,先是对比GPU与CPU下信号处理算法的执行时间,从加速比上可以看出:在NVIDIA Tesla K40c GPU下进行信号处理完全能够达到实时性的要求。接着从基于GPU的软件化雷达的实现原理和程序的串并行分配两个方面进行了详细的分析,深入的研究了数字波束形成、脉冲压缩、动目标检测和恒虚警检测在GPU上的具体实现过程。同时结合雷达实际接收的回波数据,分别对比Matlab与GPU下PC算法、MTD算法和CFAR算法的运行结果,从差值图可以看出:两种平台下的处理结果基本一致。本文研究的基于GPU的阵列雷达信号处理技术能够很好的应用于软件化雷达系统的开发中。