随着现代电子战信号环境越来越复杂，信号频段也随之逐渐变宽，因此如何有效实现对宽频段内可能的来波信号进行测向变得越来越重要。干涉仪测向体制由于测向精度较高、算法原理简单以及测向实时性较高等优势，成为了目前广泛应用的宽带测向系统中的关键测向技术。本文以宽带干涉仪测向系统为背景，详细研究了此测向系统中的核心算法，其主要内容为：首先，对干涉仪测向系统的误差进行分析进而给出相应的主要技术指标。本文将干涉仪测向系统的主要误差来源进行了详细分析，并提出了几种减小误差的方法。在此基础上，给出了四种技术指标的定义及测量方法，为后文的仿真实验结果的好坏提供一个评判标准。其次，介绍了标准相关干涉仪测向算法并研究了一种基于维度拆分的相关干涉仪二维测向算法。在传统相关干涉仪测向算法基础上，将相关函数改为了余弦函数，有效地解决了二维测向相位模糊及边界跳变问题。在此基础上，加入了二次曲线拟合，使得测向结果更为准确。根据相关系数的特点，提出了基于维度拆分的改进方法，该方法将一次二维搜索拆分成两次一维搜索，在保证测向结果的准确性的同时，大大提高了测向速度。接着讨论了两种环境下维度拆分方法的适用条件。再次，研究了基于RBF神经网络的相关干涉仪测向算法。本文采用了两种常用的训练方法，给出了其用于相关干涉仪测向的模型，并寻找到适用于各算法的合理的训练样本和网络参数。经过比较，采用OLS算法训练RBF网络得到的输出结果与标准相关干涉仪测向算法结果接近，但其测向速度相比于标准相关干涉仪测向算法有所提高，进一步满足测向实时性要求。最后，本文将标准相关干涉仪测向算法交由GPU平台实现。利用GPU平台的高度并行性，设计完成了相应模块的CUDA程序，并根据其特点进行访存优化，以尽可能提高资源利用率和执行效率。实验结果表明，与CPU平台相比，优化后的GPU平台测向时间有明显缩短。