本发明提供了一种雷达信号分选中利用GPU加速决策树训练的方法，解决了雷达信号分选中决策树训练时间过长，实时性差问题。包括以下步骤：获取雷达信号特征向量数据；配置决策树参数；配置GPU，训练加速决策树；测试加速决策树，验证分选准确率及加速比；将训练完成并优化后的整棵加速决策树模型送入雷达侦察设备中，进行雷达信号分选。本发明采用了多维度的雷达特征，得到更加完善的训练模型，提高雷达信号分选准确性；相比于现有并行决策树，本发明在GPU端采取合理的内存分配，线程调度，并对核函数进行指令优化，缩短运行时间，提高实时性；本发明基于CUDA体系和VS平台开发，利用C++语言进行模块化设计，易于扩展和移植。