随着极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,简称PolSAR)技术的发展,极化雷达数据的应用领域更加的广泛,在极化数据处理方面取得了重大突破,极化数据在地物分类、参数提取等应用取得更好的效果。但是高精度的极化数据也伴随着大量数据,极化雷达数据量至少达到GB级别。数据量的增加导致了计算过程的繁杂和冗余,这直接影响了极化雷达数据的计算效率,大量极化数据处理的效率也成为了极化雷达数据处理的一大问题。针对极化数据处理的效率问题,本文提出了基于图形处理单元(GPU)的极化雷达数据的众核并行处理。该方法充分利用GPU的高性能众核并行计算功能来优化极化雷达数据处理过程,从而达到高效处理极化雷达数据的目的。本文对极化雷达数据处理的全流程进行研究,包括了定性和定量两个方面,主要针对几种经典的定性和定量反演算法进行分析。在定性处理中,采用了流水线式的算法进行研究,从滤波到分类的过程中选出经典的算法进行全流程并行分析。在定量处理中,针对相同极化雷达数据,对四种经典的前向散射模型及其对应的反演算法进行分析。不同算法在极化雷达数据的要求,应用情况以及计算性能具备差异性。具体来说,本文主要通过GPU的高并发线程有针对性的改善极化雷达数据的几种处理过程的计算效率。而根据不同算法过程的差异性,采用各种优化策略来改善极化雷达数据的处理效率,例如并行任务分配、指令级别、数据存储、GPU内部数据传输和CPU与GPU之间的数据传输。实验结果也充分证实了 GPU在计算密集型数据处理上的优越性,其中不同极化雷达数据处理算法的计算效率比CPU的单核计算效率要提高一到两个数量级。极化雷达数据的全流程计算性能的提升大大增加了数据的实时性,使得极化雷达数据的研究具备更广泛的意义。