虚拟现实飞碟射手训练系统采用虚拟现实技术、光电探测技术等为运动员训练提供实时交互、实时感知及交互作用的模拟训练平台，为降低训练的危险性、适应比赛规则的多变性、提高训练的质量等方面起到关键作用。论文中针对虚拟飞碟射手训练系统的三项关键技术进行研究：枪支光电定位技术、大视场场景建模与显示、粒子群优化算法确定射击参数。　　虚拟现实飞碟射手训练系统采用光电定位技术对枪支的空间三维姿态进行检测。采用模拟枪、高速摄像机、双薄膜分光的方法实现了枪支光电定位的探测，再运用MATLAB软件解算光斑中心坐标和根据光路建立的模型计算得到枪支定位的三维姿态坐标，从而解决了电磁方法实时测试枪支坐标空间位置精度低、量程小和易受磁场影响的问题。　　虚拟现实飞碟射手训练系统的虚拟场景开发工作包括：实时虚拟场景的生成、飞碟与子弹的碰撞检测与显示和大视场场景的拼接形成。本文采用Vega、Creator、Visual C++开发平台对霰弹、飞碟进行建模，真实地模拟飞碟、霰弹的飞行轨迹，生成飞碟射手训练的实时虚拟场景；运用经典的AABB包围盒算法与Vega软件中的LOS技术检测飞碟与子弹的碰撞，并显示碰撞后的特殊效果；针对飞碟射击运动宽视场的需求，采用图像拼接技术用以实现高分辨率、不失真、大视场的画面。针对目前图像分割技术中数据量庞大给分割造成的时间复杂度过大的缺陷，论文采用分治法对密度估计函数进行优化，缩小了时间复杂度，并对彩色图像进行了可行性的验证。　　为了解决射手正确瞄准和适时射击的训练问题，由飞碟抛起的瞬间去寻找射点枪支姿态参数最优值及射击最佳时刻，论文采用了粒子群优化算法对射点位置的姿态参数进行优化，实现适应值函数的最小化。借鉴混沌思想能够弥补基于量子行为的粒子群优化算法（QPSO）过早地陷入局部最优的缺点，而将嵌入式混沌思想、超混沌思想引入QPSO算法。本文提出了两种改进的QPSO算法：基于嵌入式混沌序列的量子行为的粒子群优化算法(Embedded QPSO，EQPSO)和基于超混沌序列的量子行为的粒子群优化算法（Weight EQPSO，WEQPSO)，与经典的PSO和QPSO算法比较，改进算法提高了初始化种群的质量，优化了全局寻优能力。通过实验验证，改进的优化算法减小了迭代次数、全局最优均值及其标准差，与PSO算法相比迭代次数减小为18.76％~33.98%，与QPSO算法相比迭代次数减小为19.55%~20.83%。新算法运用到射击训练系统中，成功地解决了射手正确瞄准和适时射击的训练问题。