随着无线电测向技术的发展,干涉仪测向体制被广泛应用于军事和民用的各个领域。本文对干涉仪测向系统中测向算法进行深入研究,针对相位模糊和测向实时性这两个干涉仪测向中的关键问题,提出了一种基于平行基线解模糊的相位干涉仪测向算法,并针对该算法用于实际测向系统存在的问题提出了改进,最后给出该算法的GPU实现方案。在干涉仪测向体制中,阵列孔径与测向精度之间的矛盾始终存在。一般说来,阵列孔径越大,则测向精度越高。然而,阵列孔径的增大将带来相位模糊问题,如何解决相位模糊问题成为了干涉仪测向技术中的关键问题。本文在研究诸多解模糊方法的基础上,致力于获得一种算法简单、解模糊概率高、测向速度快的干涉仪测向算法。首先,针对立体基线法等解模糊方法对噪声敏感的特性,给出了一种基于扩展基线解模糊的干涉仪测向算法。仿真表明该算法即使在低信噪比下也能获得可观的正确解模糊概率。平行辅助基线的引入使得算法计算量大大减小,在不影响解模糊性能的前提下,很好地解决了高频段测向实时性这一问题。相关干涉仪利用预先准备好的实测样本库,有效地弱化了互耦等不理想因素对测向结果的影响。基于样本库的平行基线算法将这一思路与平行基线算法相结合,不但节约了算法中在线计算样本的时间消耗,同时使得算法具备了抗系统误差能力强的优点。仿真结果表明了基于样本库的平行辅助基线算法具有较高的测向性能和较快的测向速度。其次,本文系统地统计了基于样本库的平行辅助基线算法的测向性能,包括测向精度、测向灵敏度、抗系统误差能力等测向指标。将该算法应用于干涉仪实测实验平台,给出了在该平台下的实验结果。并针对实验中出现的某些问题,给出了两种处理方法,仿真实验和实测数据实验结果证明了该处理方法的有效性。为进一步提高算法的测向实时性,本文给出了一种基于GPU的算法实现方案。利用英伟达公司推出的CUDA编程平台,详细地分析了基于样本库的平行辅助基线算法及其处理方法的并行特性,设计并完成了算法各个部分的GPU实现。通过与CPU运行时间的对比,验证了GPU实现的高效性。