步枪射击是军队、武警、公安训练的必训内容,也是训练的艰难险课目之一。目前射击手主要是依靠经验和自己的判断进行瞄准射击,有个别国家利用单一的传感器来检测射击手周围的环境从而判断射击位置,影响射击手瞄准位置的因素很多,影响子弹飞行的主要是风速风向、温度、湿度和气压,而且如果使用单一的传感器检测一种环境参数很难让射击手做到首发命中,所以采用多传感器测量环境参数,然后把检测到的数据进行处理,考虑到多传感器在检测环境中的环境参数有虚假噪声的存在,然而对这些环境参数进行处理时并不能消除这些噪声。针对上述问题,本文为了消除多传感器在检测射击手周围环境参数时所产生的虚假噪声,更准确利用检测到的参数,从而对位移进行准确的融合。本文首先研究了步枪射击瞄准校正的原理,提出了融合面临的问题和融合方法,在对融合估计理论深入研究的基础上,通过两个方面研究射击手在射击时瞄准位置的位移融合问题。一方面针对现有的加权融合算法中的不足,提出了改进的加权融合方法,并应用此方法对一个射击手瞄准位置的位移进行融合；另一方面,首先以经典的kalman滤波算法为基础研究了集中式(kalman)滤波算法、联邦(kalman)滤波算法和自适应(kalman)滤波算法的实现原理,并通过仿真分析研究了三种算法的融合精度,其次根据动力学原理建立了射击手在射击时瞄准位置的运动模型,最后视射击手需要瞄准的位置为一个机动目标,首次采用自适应卡尔曼(kalman)滤波算法对一个具体的实例多个偏移位移进行融合。分析结果表明,本文提出的序贯动态加权融合算法的融合精度要高于现有的加权融合算法；通过仿真分析表明,自适应(kalman)滤波算法的融合精度要高于集中式(kalman)滤波算法和联邦(kalman)滤波算法；通过实例验证,序贯动态加权融合算法和自适应(kalman)滤波融合算法对射击手瞄准位置的变化的位移数据都有一定的融合能力,都能校正射击手在射击时需要瞄准的位置。所以本文研究成果具有一定的实际意义。