自适应光学是一门集合了光学、电子学、机械学和控制学等多种专业为一身的新兴技术。应用了自适应光学技术,光学系统中由于变形镜自身面形造成的静态误差和由于大气湍流造成的动态波前像差等都可以得到有效的校正,从而提高系统的成像质量。自适应光学系统的三大组成部分各司其职又相互配合,共同组成一个闭环的控制系统。其中,实时波前处理器需要实时地处理大规模数据运算,与其相关的数据传输和运算产生的延时体现了采用了自适应光学技术的光学系统对动态波前像差的实时校正能力,是自适应光学系统的重要评价指标。本文在实验室已有的硬件平台和算法基础上,对实时波前处理器部分进行了硬件选取和算法改进,并将其成功应用在349单元变形镜自适应光学系统上,为实现大口径地基高分辨率成像望远镜对自适应光学系统在扩大处理规模、减少运算延时和提高成像质量等方面的要求起到了抛砖引玉的作用。本文首先介绍了自适应光学技术的起源和其在各个领域的发展、构成闭环自适应光学的三个组成部分,以及各部分的作用。着重介绍了实时波前处理器的运算构成,并分析了数据处理过程中的延时,指出在每一帧图像流水线并行处理的基础上,利用矩阵乘法规则易分解,并行处理复原运算部分。再根据Zernike多项式与像差多项式的一致性确定了像差的描述形式,并对系统的各项性能评价指标进行了介绍。其次,本文根据各类硬件的优势确定了以FPGA+GPU+CPU为主要硬件的实时波前处理器,按照功能进行分类为斜率计算模块的FPGA波前斜率处理器、复原运算和控制运算模块的GPU矩阵乘法处理器和负责发送指令、数据并监视系统运行的主控计算机。详细介绍了为实现本文所需要的运算功能所特殊采用的GPU的硬件结构、为扬长避短的CPU+GPU的异构处理、CUDA的编程模型以及执行模型。最后分析了高性能计算独立显卡NVIDIA Tesla K80的性能指标,指出用GPU作为矩阵乘法处理器的优势所在。再次,本文介绍了应用于349单元变形镜自适应光学系统实时波前处理器的算法流程。根据夏克-哈特曼波前传感器的子孔径排布和FPGA的工作原理确定了波前斜率算法,根据系统的控制要求同时减少运算量选择了直接波前斜率法作为复原运算算法,根据控制模型设计了足够适合系统的PI控制算法。最后,将本文设计的实时波前处理器应用在实验室349单元变形镜自适应光学系统,并对实验结果进行了详细的分析。实验结果表明349单元自适应光学实时波前处理器能够对100Hz以下的大气湍流频率成分实现有效校正。采用NVIDIA Tesla K80作为GPU矩阵乘法处理器测量实时波前处理部分的延时优于235μs。实验结果成功证明了本文设计的基于GPU的实时波前处理器的可行性。