星空场景实时仿真在空间探索、通讯导航、遥感探测等领域有着重要的应用价值。随着航天探测技术的快速进步,星空场景仿真正朝着大规模和实时快速的交互式方向迅速发展。　　 星空场景大规模实时仿真需要解决两类关键的数据密集型和计算密集型算法的高耗时间题,即大规模星表检索和大规模航天器轨道计算。本文针对大规模星空场景仿真的实时性要求,分别提出了基于GPU并行架构下的星表检索加速算法和多航天器轨道计算并行加速算法。　　 首先,为了实现高效的大规模星表检索算法,本文对大规模星表进行了快速分区存储;在此基础上提出了一种精确的视场覆盖星区的查找算法,大大缩小了星表搜索范围;针对视场内恒星检索的数据并行性,提出基于CUDA架构的并行策略,设计了基于CPU+GPU异构并行检索流程,实现了基于GPU架构的并行检索算法。　　 其次,建立了以SGP4为轨道预报模型的轨道计算算法,研究了多卫星轨道计算模型的计算并行特性,提出了基于CPU和GPU下的并行计算策略;设计了基于GPU的并行轨道计算模型,实现了基于CUDA架构的并行轨道计算算法。　　 为了验证本文提出的大规模星空环境仿真加速算法,分别为大规模星表检索和GPU并行卫星轨道计算设计了仿真实验方案。在星表检索仿真实验中,当检索视场达到15度×15度时,基于GPU的星表检索算法与CPU平台的实现相比获得了近60倍的加速比;在多航天器轨道实验中,当载入在编仿真航天器数目达到万级别时,基于GPU的轨道加速算法与传统的CPU串行算法相比可获得超过20倍的加速比。