天文技术的发展对天文领域有着重要的意义,如天文新现象的发现、天文理论模型的论证等都是建立在天文新技术之上。天文新技术的应用都有着极大的计算需求,如何有效满足这些计算需求,是当前天文技术发展需要解决的一大难题。本文面向天文领域的两个实际课题：光学瞬变源的实时搜寻和射电信号交叉关联,其中光学瞬变源的实时搜寻主要包含大数据量星表交叉证认和海量数据的持续入库两个部分,根据各自的数据处理特征,分别从算法和解决途径两方面出发,各设计出一套数据处理加速方案。具体研究内容如下： 　　1)针对大数据量星表交叉证认需求,提出一个快速交叉证认算法。该算法对天区球面在赤经和赤纬两个方向上按等间隔进行分区,将天区分割为网格状的子天区,大大减少了匹配操作中待计算的模板星数据。同时根据分区赤纬值的变化动态调整搜索区域,解决因分区过小而带来的漏星问题。使用该匹配算法对大小为20万的两个星表进行匹配操作,时间不超过0.3秒,比传统HTM算法的匹配速度快34倍。 　　2)针对海量数据的持续入库问题,基于PostgreSQL数据库设计出一套面向GWAC海量数据持续入库的数据储存策略。该策略利用 PostgreSQL 数据库的表分区机制,结合数据库自身的参数设置优化和建表方案优化,将1000个大小为20万的星表文件的平均入库时间控制在2.2秒左右。结合研究内容1)和2),针对GWAC课题实现了一个瞬变源实时搜寻交叉证认应用,该应用完成整个计算加存储过程,总时间不超过3秒,远小于要求的15秒时限,完全满足课题需求。 　　3)针对射电信号的交叉互关联需求,为解决传统基于ASIC或FPGA方案的开发周期长、可扩展性弱等问题,采用新一代高性能解决方案——GPU 进行交叉互关联的实现性能测试。文中针对交叉互关联提出一个基于 GPU 的多级分组模型,并在Fermi架构GTX580 GPU上对该模型进行实现,最优运算性能达到1114GFLOPS,约占GTX580理论性能的70%。这表明GPU在天文数据处理问题中拥有巨大的计算潜能,使用基于GPU的高性能解决方案来处理射电信号的交叉互关联环节是可行的。