对于传统的单核处理器而言,多核心处理器可以通过使用线程级并行处理来提高计算机的性能,从而更好地满足高性能计算领域对计算机性能的要求,这一点已经得到学术界和产业界的普遍认可。随着越来越多的新技术和硬件成本的下降,多核化设计已经逐渐成为一种趋势。其中,基于CUDA架构的多核心编程是近年来发展起来的一种新型体系结构。CUDA平台具有很高的浮点峰值和计算能力,其结构和编程环境却具有一定的复杂性,因此如何利用CUDA强大的计算能力成为一个突出问题。本论文针对循环平稳特征检测方法在实时性方面的缺点,对这种频谱检测算法进行了优化。本论文将循环平稳特征检测中可并行计算部分与GPU处理器相结合,使用具有较高并行计算能力的GPU去替代CPU计算单元。同时从CUDA编程层面对算法的核函数、存储器、粒度等方面进行优化。优化后在CUDA平台编程进行仿真实验。最后,在CPU平台上对该算法进行了仿真实验。实验结果表明,优化后的算法在实时性方面得到了改善。本文的主要工作内容如下:（1）CUDA编程上的优化。首先,对核函数进行了并行优化处理。主要是优化线程束分支和时延隐藏,其次对并行执行的部分加以优化,提高了算法运行效率。然后继续对可编程存储器进行优化,最后从粒度、库函数和矩阵计算等角度进行优化分析。（2）频谱检测算法的优化。对现有的算法进行优化,选取经典算法傅里叶累加算法作为理论技术。先对循环谱理论进行推导,从中找出可以并行加速的部分。通过仿真对不同数量级的采样点数与样本数量进行讨论,发现当数据规模小于一定量级时,CUDA加速反而会使得时间开销增加。相反,随着数据规模的增加,加速效率也会越来越好。（3）为了验证优化后算法能否提高循环平稳检测方法实时性的,在搭建好的软硬件平台之上,对优化后的算法进行了仿真实验。试验结果表明,相比于未改进的算法,算法在优化后实时性方面有了较大的提升。在不影响检测性能的前提下,随着算法所使用的GPU性能越强,CUDA核心数越多,算法的加速效率就越好。加速比最多可以达到6.9倍,本研究的结果论证了算法的可行性。