本文针对常规后向投影(Back Projection,BP)算法运算量大的问题,综合硬件多核并行以及孔径分级优化两类技术,实现对高分辨率超宽带合成孔径雷达(Ultra Wideband Synthetic Aperture Radar,UWB-SAR)实时成像,具有重要的理论意义和工程实用价值,论文主要工作如下:建立了步进频率信号条带式SAR的回波模型,分析了BP算法距离压缩和方位压缩过程。详细介绍了图形处理器(Graphic Processing Unit,GPU)和统一计算设备架构(Compute Unified Device Architecture,CUDA)编程知识,得出多核并行化、存储资源分配及访问影响最终算法效率的基本结论,是后续并行化方法优化的基础。提出了一种基于GPU的并行优化网格BP算法。重点对方位压缩过程设计了三种优化方法,利用网格BP算法结构减少了多线程访问原始回波数据的次数;利用纹理存储器加速了插值计算效率;合理设计了子图像存储方式,避免共享存储器访问冲突。从而有效利用GPU的多核架构提高了成像效率。提出了一种基于GPU的并行化因式分解快速BP(Factorized Fast BP,FFBP)算法。设计了FFBP算法的实现流程,分析了FFBP在算法层面的加速比,最后利用GPU实现了并行加速。与基于GPU的BP算法相比,成像效率获得进一步显著提升。为了有效处理实测UWB-SAR回波数据,设计了上述两种算法的分块实现途径,解决输入数据量大但GPU存储资源不足的问题,获得了聚焦良好的高分辨率图像,与CPU单线程实现的BP算法相比,加速比分别为70倍和232倍左右,验证了论文所提方法的有效性。