射电望远镜观测的宽频率范围和高灵敏度使接收机极易受到射频干扰(Radio Frequency Interference,RFI)的影响。由于单天线望远镜几乎不具有对接收到的RFI信号进行方向分辨能力,使得天文信号与RFI信号相干叠加,所以单天线射电望远镜极易受到RFI的影响。500m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST),作为当今世界上口径最大的单天线射电望远镜也极易受到RFI的影响。RFI的强度和时域/频谱密度会直接对观测结果造成影响,恶化观测数据的质量。同时,提高数据处理速度与性能一直是计算机领域研究热点之一,图形处理器(Graphics Processing Unit,GPU)已经不仅局限用于传统的图形渲染,中央处理器(Central Processing Unit,CPU)+GPU的异构并行计算架构广泛应用于数据处理。统一计算架构(Compute Unified Device Architecture,CUDA)是由NVIDIA推出的一种高性能并行计算平台及程序设计模型。脉冲星探测与搜索工具包(Pulsa R Exploration and Search Toolkit,PRESTO)中的RFIFIND命令通过独立分析一个波束的FITS文件数据来确定射频干扰(RFI)信息。基于此,本文探索了将空间滤波技术应用于FAST多波束接收机采集到的数据中,采用CPU+GPU异构并行计算,提高天文数据的处理效率。论文的主要工作与创新有以下几个方面:(1)提出了一种多波束互相关和梯度下降算法,综合分析了FAST 19波束接收机的FITS数据,得到了RFI相关信息。实验结果表明,该方法所获得的RFI信息综合性较强,更精确。(2)利用梯度下降技术模拟或定位了FAST 19波束的RFI分布,得出RFI在天空中的强度分布,然后去除RFI所在频段的信息,提高原始数据的信噪比。该研究有助于保持观测数据完整性并提高数据本身的利用率,同时在数据处理中可大幅减少RFI影响,在提高FAST脉冲星巡天数据的处理效率上具有重要意义。(3)针对数据处理效率低的问题,设计了CPU+GPU异构并行计算算法,该算法速度快,可应用于其它信号处理或天文数据研究,具有良好的应用价值。