在高速公路路旁部署雷达,对车辆进行识别、检测和跟踪是高速公路收缴通行费用的重要技术保障。随着高速公路的快速发展和车流量持续的增长,要实现雷达对多目标快速准确的识别检测,就对雷达的信号处理速度提出更高要求。本论文针对雷达信号处理过程中大量使用到的快速傅里叶变换算法和矩阵奇异值分解算法,基于AI加速卡进行算法研究、仿真,并使用适配AI加速卡的方式对这两种算法的高速并行化算子进行设计与实现。针对高速并行化快速傅里叶变换算子,本论文研究傅里叶变换算法在AI加速卡上的实现方法,使用python语言对其进行仿真实现和误差统计,为算法优化提供参考;提出了基于多核多线程技术和流水线技术实现算子的两种方案,并详细阐明了基于昇腾计算语言,使用C/C++实现算子的方法和步骤;最后给出两种方案在多核并行计算时的耗时变化趋势,对比和评估两种方案在AI加速卡上实现算子的性能,其中,对于相同规模的FFT计算,在使用16个AI核运算的情况下,多核多线程方案和二级流水方案耗时最少,性能最优。针对高速并行化矩阵奇异值分解算子,本论文基于幂法实现矩阵奇异值分解,使用python语言对幂法在AI加速卡上实现的过程进行仿真,统计计算误差并根据计算误差确定幂法迭代次数,为高速并行化算子开发提供参数;针对算子实现提出了一对一和多对一两种方案,并详细阐明了基于昇腾计算语言,使用C/C++实现算子的方法和步骤。最后,给出两种方案在多核并行计算时总耗时和平均耗时随AI核数以及算子计算能力的变化趋势,对比和评估两种方案在AI加速卡上实现算子的性能,其中,在多对一方案中,当矩阵按16或其倍数进行对角合并时,这些方案的耗时性能优于其他方案,在不同计算能力要求或使用不同数量AI Core计算的情况下,这些方案耗时性能和计算能力各有优劣。