随着低慢小无人机越来越多,其带来的问题不可忽视,在低慢小目标给社会带来危险之前对其进行检测和预警是当下严峻的任务。雷达作为目标检测的一种有效方式,其发展已有80年之久,随着电子对抗的竞争越来越激烈,现代有源雷达面临很多挑战,比如:隐身目标、反雷达导弹、低空威胁和电子干扰等,这些挑战阻碍了雷达对目标的探测。因此,外辐射源雷达概念被提出,其作为一种无源雷达,自身不发射电磁波信号,只接收外界目标反射的已有电磁波的信号,由于外辐射源雷达无源的特点,敌人很难发现其位置,无法对雷达进行导弹打击和电子干扰。本文采用数字电视信号作为外辐射源雷达信号源实现低慢小目标的检测,数字电视信号带宽大,目标的距离分辨率大,对于个体较小目标的探测有很大的优势。本文以GPU作为信号处理平台,研究了基于数字电视信号的外辐射源雷达低慢小目标的检测方法。外辐射源雷达系统中,回波信号中的杂波干扰信号往往比目标信号强很多。因此,为了实现慢速目标的检测,通常采用时域自适应相消方法对回波信号做杂波抑制。本文对比分析了NLMS算法、RLS算法和ECA算法的运算复杂度和目标检测性能。实验结果表明,一方面,NLMS算法的计算复杂度低于RLS算法和ECA算法,同时,ECA算法作为一种开环算法,更有利于GPU的并行实现。另一方面,NLMS算法、RLS算法和ECA算法均能实现较好的杂波抑制,同时,针对慢速目标的情况,ECA算法在目标检测性能上优于其他两种算法。因此,本文综合考虑算法的目标检测性能和计算复杂度,选取ECA算法来实现杂波抑制和慢速目标检测。由于ECA-B算法可以得到与ECA算法相同的检测性能,并且ECA-B算法可以在多GPU设备上并行处理以提高信号处理运行效率,本文主要研究了基于ECA-B算法的外辐射源雷达信号处理在多GPU设备上的并行实现方法。具体地,本文研究了矩阵基本运算在GPU上的实现,分析了矩阵相乘和矩阵求逆在GPU上实现的方法。针对矩阵相乘调用GPU全局内存导致数据读取速度较慢的问题,考虑利用共享内存进行优化来降低矩阵相乘运行时间;针对矩阵求逆计算复杂度较大的问题,本文采用高斯消元法实现,逐列归一化和消元两步操作完成求逆;针对距离-多普勒处理中的FFT操作占用很大的运算空间的问题,考虑通过抽取操作降低FFT运算量,在抽取之前做低通滤波避免抽取带来的频谱混叠。此外,本文对杂波抑制算法和距离-多普勒处理进行了GPU实现及优化。实验表明算法在GPU平台上信号处理时间相对于CPU有很大的改善。