时域有限差分方法在电磁计算领域有着广泛的应用。由于FDTD方法具有天然的并行特性,它的应用也越来越广泛。然而由于传统的基于CPU的计算平台在计算FDTD方面遇到了瓶颈,CPU已经无法满足FDTD计算在速度、内存方面的要求。图形处理器的出现解决了这一问题。GPU是专门用来处理并行计算的专用硬件平台,由于FDTD的良好的并行特性,正好适合在GPU上进行计算。本文针对传统的FDTD算法的不足,以图形处理器Tesla c1060为计算平台,通过理论分析和数值模拟,研究并实现了基于GPU的一维与二维FDTD算法。同时,与在CPU上的一维与二维FDTD的仿真结果结果进行了比较。得出基于GPU来进行FDTD运算的方法是正确的,并且GPU确实起到了加速FDTD计算速度的目的。同时在划分为不同网格数目下,比较了GPU与CPU的计算时间,结果说明仿真数据越多,GPU比CPU的优势越明显。