在现代电子战中,侦察系统所面对的电磁环境是由多部雷达辐射源发射的脉冲信号交叠而成的复杂高密度脉冲流,高速侦察信号处理技术能力反应了侦察系统的先进程度。随着现代电子战激烈程度的加剧和复杂体制雷达脉冲信号的出现,雷达脉冲分选算法出现了一定的局限性,尤其是对高密度脉冲流中脉冲的分选能力急需提高。为解决如何既准确又高效的分选雷达脉冲信号的问题,本文设计并利用GPU实现了一种并行化高速侦察信号处理算法,可较为有效地快速准确分选出脉冲形式复杂、脉间参数变化多样的雷达脉冲信号。本文针对每秒百万雷达脉冲级别的高密度电磁环境,提出了基于均值漂移聚类的雷达脉冲分选算法。首先对侦察机接收到的信号做短时傅里叶变换,并根据结果计算出脉冲的脉冲描述字。再将脉冲描述字输入到改进后的均值漂移聚类算法中,该算法是一种基于核密度梯度估计,且无参数快速模式匹配下迭代的聚类算法,经过均值漂移聚类算法计算后,得到雷达脉冲的分类结果以及每一类雷达脉冲的脉冲描述字。并且利用GPU和CPU异构平台,在CUDA编程架构中对该雷达脉冲分选算法进行了并行化设计,采用多线程并行运算的计算方式实现了基于均值漂移聚类的雷达脉冲分选算法,有效的提高了数据处理速度,节省了侦察系统的处理时间。基于均值漂移聚类的雷达脉冲分选算法既克服了常规聚类方法中依赖初始聚类中心和聚类数目的问题,也克服了基于神经网络方法中需要样本训练的问题,同时相比统计直方图等早期方法有着性能上的提高。通过采用Ge Force GTX 960M GPU平台进行并行化运算的实验与分析,得出基于均值漂移聚类的雷达脉冲分选算法的分选准确率到达了80%的结论,有效地解决了高密度脉冲流中脉冲分选的难题。相较串行算法,程序整体性能最高提升约90倍。最后采用并行求和、避免Bank conflict和延迟隐藏的方法对程序进行了优化,使基于均值漂移聚类的雷达脉冲分选算法更具有实时性,算法整体性能提升约2倍,充分发挥了GPU的计算能力。