粒子群优化（PSO）算法与误差反向传播（BP）算法相结合训练神经网络（PSO-BP-NN），可以有效提高网络的泛化能力，但是面临的最大问题就是计算时间过长。为此，提出了基于图形处理单元（GPU）的并行加速解决方案，并基于该方法对波达方向（DOA）估计问题进行了建模。在算法执行过程中，利用粒子群神经网络（PSO-NN）粒子行为的可并行性和误差反向传播神经网络（BP-NN）样本训练的可并行性来减少神经网络（NN）的训练时间。在统一计算设备架构（CUDA）下对DOA估计进行了NN建模。数值计算结果表明，相对于CPU端串行PSO-BP-NN，GPU端并行PSO-BP-NN在收敛稳定性一致的前提下取得了