合成孔径雷达(SAR,Synthetic Aperture Radar)是一种主动式的高分辨率的微波成像雷达,它通过对回波信号距离向的脉冲压缩技术和方位向的合成孔径技术获得二维高分辨率图像。由于具有全天候、高分辨率、宽覆盖率的特点,SAR在军事侦察、地球遥感、海洋研究、环境保护以及灾情检测等方面有着广泛的应用。随着SAR技术的发展,对SAR图像的成像精度和实时性的要求也越来越高。SAR成像的特征主要是对连续传递回的雷达回波信号数据流进行连续处理成像。一幅SAR成像需要处理海量的原始数据,因而要想达到实时成像的目的,需要处理平台具有十亿次,甚至百亿次每秒的处理速度。完成这么大的数据量在单处理器的计算机上几乎不可能实现,因而需要利用并行计算的技术。一般来说,实现实时并行处理的计算平台是多处理器的计算体系结构,其对应的并行算法主要有两种,一种称为基于流水线的多处理器并行算法结构。另一种称为基于全互换的多处理器并行算法结构。这两种算法结构从一定程度上都能满足实时处理的要求。但一般来说要利用这两种算法达到实时成像的目的需要上百的处理器才能满足其需要的处理速率。但是在无人机载和星载系统中对系统载荷有严格的要求,很难满足这么多的处理器要求。因而需要对上面的两种多处理器结构的算法进行优化设计。本论文以32节点的IBM PCs集群系统为开发平台,通过对SAR成像算法的可并行化的详细分析,实现了两种结构的并行SAR成像算法,分别称之为基于全互换的SAR并行算法和基于流水线的SAR并行算法,实现了准实时的SAR成像系统。我们发现通过优化选择总的计算节点个数以及距离向压缩及方位向压缩所需处理器个数的比值,得出最优化的计算节点个数及距离向压缩的节点数和方位向压缩的节点数的比例关系取决于距离向压缩的计算量和方位向压缩的计算量的比值关系。本论文通过计算比较得出结论,距离向和方位向的比例关系为1:2时可达到最快的加速比和最优的计算效率。由于距离向压缩和方位向压缩的节点之间需要进行数据的传递。所以在增加计算节点的同时需要考虑对应的数据传递时间的增加。当总的计算节点增加时,计算时间相应的减少,但同时对应的数据传递时间会相应的增加,这必然会导致计算效率的下降。所以当增加计算节点时,需要综合考虑总时间中计算时间和通信时间的比例关系。对这两种算法的运算结果进行了比较(比较其加速比、效率等)。比较结果显示基于流水线的SAR并行算法是一种更优化的SAR并行成像算法。本论文的创新点主要有,一是在32节点PC Cluster集群系统上以C语言为主开发并实现了SAR并行成像算法模拟软件。二是分别实现了将基于流水线和基于全互换的SAR并行算法应用于软件中,并比较计算结果得出,基于流水线的SAR并行成像算法在大规模的计算机集群系统上可以取得更快的加速比和更高的计算效率。三是在32节点的IBM PC集群系统上对计算节点个数、处理器个数分配平衡等进行了优化,得到了SAR数据处理在32节点集群系统上的最优化。