传统自适应光学受大气非等晕性的限制,只能在等晕区(角尺度10’’左右)校正大气湍流的影响,达到接近望远镜衍射极限的成像分辨力,无法满足对太阳活动区(角尺度通常为1’~2’)的高分辨力观测要求。多层共轭自适应光学(MultiConjugate Adaptive Optics,MCAO)对大气湍流进行三维波前探测,获取不同高度处大气湍流引起的波前像差,控制位于强湍流层共轭位置的变形镜,对波前畸变进行分层校正,从而实现大视场高分辨力成像。太阳多层共轭自适应光学系统利用大视场相关夏克-哈特曼传感器同时探测多个视线上的波前畸变,相比传统自适应光学系统,波前斜率计算量急剧增加。此外,太阳自适应光学系统工作在白天时段,大气视宁度差,相比夜天文自适应光学系统,传感器采样频率和系统带宽更高,波前斜率计算的实时性要求也更高。因此,太阳多层共轭自适应光学系统波前斜率测量不仅要保证斜率计算的准确性,还要满足实时性。本文基于多核CPU硬件平台,针对大视场相关夏克-哈特曼传感器图像的特点,在保证准确率的前提下对波前斜率的计算方法进行加速优化。本文主要内容及创新点如下:针对太阳目标的大视场相关夏克-哈特曼传感器采用相关算法计算波前斜率,常用的相关算法有空间域的归一化互相关算法和频域的相位相关算法,本文从计算量和并行度两个角度出发,对两种算法分别进行分析优化。计算量优化时,针对归一化互相关算法,主要从减小搜索区域、分子和分母计算量三个方面出发,通过边界部分相关、快速傅里叶变换和本文提出的改进的积分图法,精简算法本身的计算量。相位相关算法的计算量优化,主要通过对快速傅里叶变换的倒位序操作和蝶形运算结构进行优化来实现。并行度优化时,分别从线程级、指令级和数据级三个层次,对两种算法进行优化。针对归一化互相关算法,本文提出了一种细粒度的并行算法,将图像卷积展开为矩阵向量乘法以方便进行线程级并行,并采用适当的分配方式使各分支之间负载均衡。相位相关算法也尽量做了同等程度的优化。本文对优化前后的算法进行仿真分析,比较它们运行时间的均值、最大值、标准差和准确率等指标。基于4核CPU平台,对2000帧大视场相关夏克-哈特曼传感器图像进行斜率测量,仿真结果表明,优化的归一化互相关算法完成1帧图像斜率计算的平均时间为11.514毫秒,速度较不作任何优化的归一化互相关算法提升了约7倍,较基于fftw3库的相位相关算法快1.4倍左右。另外,与其他斜率测量算法相比,优化的归一化互相关算法单帧斜率计算耗时的标准差、最大值均更小,具有更强的鲁棒性,丢帧的风险更低。此外,在固定偏移量滑动窗口仿真试验中,改进的归一化互相关算法能够得到正确的测量结果。综合分析仿真结果,优化的归一化互相关算法在实时性和准确性上表现更优。因此,将优化的归一化互相关算法代码移植进室内的太阳多层共轭自适应光学实验系统,通过扩展点源目标的正弦扰动实验,验证了算法的正确性,并在基于Intel i7-6950X十核CPU的室内试验平台上达到了大于900Hz的测量帧频。实验结果表明,优化的归一化互相关算法能够实现系统的波前斜率实时测量。本文研究的内容为太阳多层共轭自适应光学系统的波前斜率测量和类似的应用场景提供了技术支持,开拓了新思路,同时兼具研究意义和工程价值。