| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-20页 |
| ·研究背景和意义 | 第10-11页 |
| ·乒乓球机器人的发展现状 | 第11-19页 |
| ·国外乒乓球机器人发展综述 | 第11-15页 |
| ·国内乒乓球机器人发展综述 | 第15-19页 |
| ·论文组织与安排 | 第19-20页 |
| 2 基于EKF的旋转乒乓球飞行轨迹预测 | 第20-36页 |
| ·非线性估计问题 | 第20-24页 |
| ·非线性卡尔曼滤波基本概念 | 第21页 |
| ·非线性卡尔曼滤波的分类 | 第21-23页 |
| ·非线性卡尔曼滤波的发展与应用 | 第23-24页 |
| ·扩展卡尔曼滤波EKF | 第24-28页 |
| ·EKF算法介绍 | 第24-25页 |
| ·旋转乒乓球轨迹特征 | 第25-26页 |
| ·建立旋转乒乓球运动模型 | 第26-28页 |
| ·基于EKF的旋转乒乓球轨迹预测方法的Matlab实现 | 第28-34页 |
| ·问题定义 | 第28-30页 |
| ·预测过程的设计 | 第30页 |
| ·更新过程的设计 | 第30页 |
| ·实验结果与分析 | 第30-34页 |
| ·小结 | 第34-36页 |
| 3 基于UKF的在线旋转乒乓球飞行轨迹预测 | 第36-44页 |
| ·UKF算法介绍 | 第36页 |
| ·基于UKF的在线旋转乒乓球轨迹预测方法的Matlab实现 | 第36-41页 |
| ·U变换 | 第36-37页 |
| ·预测过程的设计 | 第37-38页 |
| ·更新过程的设计 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| ·两种预测方法的比较分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 4 基于BP学习算法的旋转乒乓球轨迹识别 | 第44-62页 |
| ·人工神经网络 | 第44-49页 |
| ·人工神经网络的特点 | 第46-47页 |
| ·人工神经网络的模型分类 | 第47-48页 |
| ·人工神经网络的发展与应用 | 第48-49页 |
| ·BP神经网络 | 第49-51页 |
| ·BP神经网络介绍 | 第49页 |
| ·BP神经网络的网络结构模型 | 第49-50页 |
| ·BP神经网络的学习过程 | 第50-51页 |
| ·Matlab下的BP神经网络设计 | 第51-61页 |
| ·基于BP神经网络的旋转球轨迹分类问题描述 | 第52-53页 |
| ·BP神经网络的Matlab设计工具箱 | 第53-54页 |
| ·输入数据预处理 | 第54-55页 |
| ·输入层和输出层设计 | 第55-56页 |
| ·实验结果与分析 | 第56-61页 |
| ·小结 | 第61-62页 |
| 5 结束语 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简历 | 第66-68页 |
| 学位论文数据集 | 第68页 |