本文针对宽带逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）成像中的两大问题:成像质量和实时性,开展了关于成像中误差补偿算法的研究,并将其在基于图形处理器（Graphics Processing Unit,GPU）和多核中央处理器（Central Processing Unit,CPU）的并行计算平台上实现。主要内容有三点。一是研究了宽带回波脉内调制相位误差补偿技术。构建了包含因发射机器件非线性与目标高速径向运动导致的脉内调制相位误差的模型;建立了以距离像熵最小为优化准则、基于坐标下降法（coordinate descent algorithm,CDA）与莱温伯格-马夸特（Levenberg–Marquardt,LM）方法的参数搜索机制;开展了基于仿真与实测数据的实验,验证了算法的有效性以及较好的收敛性能;设计了基于回波间并行和像素点间并行的并行化策略,在GPU平台上完成算法加速。二是提出了一种基于分割全孔径时间和平均距离像相关的包络对齐算法,提升在低信噪比下包络对齐性能。算法将全孔径时间划分为多个子孔径,利用短时间内目标运动相对平稳的特点,建立子孔径内包络徙动误差模型;以平均距离像熵最小为准则,利用CDA与LM方法对包络徙动模型参数进行搜索估计,实现子孔径内的包络对齐;利用最大相关函数法,对齐各子孔径的平均距离像,实现孔径间的包络对齐。该算法利用目标运动特性与非相干积累增益,结合了全局优化思想与基于最大相关函数的包络对齐方法,实现了低信噪比应用下的性能提升,文中基于实测和仿真数据的实验验证了这一点。设计了基于孔径间并行和数据段间并行的加速策略,在基于多核CPU的平台上完成算法加速。三是给出了在上述平台上设计的宽带雷达成像子系统。介绍了该系统的软硬件设计、成像的全流程、硬件资源的分配以及基于一组实测数据的成像效率,同时为了拓展该系统的功能,进一步研究了利用GPU处理器对中频直接采集数据进行匹配滤波处理的方法,获得了较好的实时性。