现代战场电磁环境的日益复杂,雷达干扰信号与系统仿真的运算速度与效率不断提高,但仍不能满足干扰战术与干扰打击的仿真实时性。其主要表现在两点:一是战场中威胁辐射源的数目繁多,待调制的数据量庞大;二是为实现有效的干扰,信号调制流程与调制种类复杂。为解决以上难题,将图形处理器（GPU）应用于雷达信号处理过程具有一定必要性。同时,并行计算技术的引入将为雷达干扰信号并行调制处理提供强有力支持。本文以电子战工程性仿真为背景,围绕基于GPU加速的干扰系统仿真技术展开深入研究。在对干扰信号仿真算法进行相关研究的基础上,利用GPU的大规模并行计算能力,分析并设计复杂雷达干扰信号调制产生的GPU加速方案。此外,将通过对比干扰信号仿真串行版本与并行版本的运行时间,分析二者性能上的差异;最后,针对不同硬件平台的运算结果,分析GPU并行加速资源与算法加速比之间的关系。本文的研究工作主要包括以下四个部分:首先,通过阐述雷达干扰方法与干扰信号模型,分析干扰信号仿真及其并行化加速的必要性。本文针对雷达干扰信号仿真系统,对卷积噪声干扰与虚假场景干扰进行原理介绍,详细分析其调制过程与简化模型,并对其模型仿真中串行调制计算的关键点、复杂点进行分析,阐述干扰信号并行化仿真的必要性。其次,介绍GPU架构与CUDA编程。本文引入GPU硬件架构,并对其并行计算能力进行分析。在此基础上,引入CUDA的异构编程模型方法及其相关优化策略。为干扰信号仿真并行化加速提供理论基础。然后,对干扰信号仿真进行并行化分析与加速方案设计。其中,分别从卷积噪声干扰与虚假场景干扰两个算法出发,对该处理流程与时间复杂度进行分析。在此基础上,提出本文优化思路并详细设计实现方案。基于利用CPU+GPU异构平台对算法的关键步骤进行加速,并采用CUDA编程对算法进行并行化仿真。最后,分别对两种干扰信号相应的并行加速实现方案进行仿真。通过记录与分析CPU串行运算时间、GPU并行运算时间及加速比,科学评估实现方案的加速效果,并通过不同硬件平台仿真对并行资源与加速比的关系进行深入研究。该仿真实验结果表明,利用GPU对雷达干扰系统进行并行化仿真加速具有一定可行性和有效性。