| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 相关研究现状和发展趋势 | 第9-13页 |
| 1.3 论文主要研究内容及安排 | 第13-14页 |
| 第2章 RoboCup3D足球比赛系统概述 | 第14-21页 |
| 2.1 RoboCup的历史和发展 | 第14-15页 |
| 2.2 RoboCup3D足球比赛系统 | 第15-17页 |
| 2.3 RoboCup3D仿真机器人 | 第17-21页 |
| 第3章 多模态信息融合相关技术研究 | 第21-30页 |
| 3.1 多模态信息融合的基本原理 | 第21-22页 |
| 3.2 多模态信息融合的系统结构 | 第22-24页 |
| 3.3 多模态信息融合的一般方法 | 第24-26页 |
| 3.4 基于卡尔曼滤波的自定位方法 | 第26-28页 |
| 3.5 基于粒子滤波的自定位方法 | 第28-30页 |
| 第4章 基于神经网络的多模态信息融合自定位方法 | 第30-49页 |
| 4.1 神经网络多模态信息融合机理 | 第30-31页 |
| 4.2 神经网络和长短时记忆神经网络 | 第31-43页 |
| 4.2.1 神经元结构 | 第31-32页 |
| 4.2.2 神经网络结构 | 第32-35页 |
| 4.2.3 神经网络的学习规则 | 第35-36页 |
| 4.2.4 递归神经网路 | 第36-39页 |
| 4.2.5 长短时记忆神经网络结构 | 第39-40页 |
| 4.2.6 长短时记忆神经网络学习算法 | 第40-43页 |
| 4.3 基于长短时记忆神经网络的多模态信息融合方法 | 第43-49页 |
| 4.3.1 采样数据的预处理 | 第44-45页 |
| 4.3.2 网络模型的学习和应用 | 第45-49页 |
| 第5章 实验和分析 | 第49-59页 |
| 5.1 实验数据 | 第49-51页 |
| 5.2 实验设计 | 第51-55页 |
| 5.3 实验结果对比 | 第55页 |
| 5.4 实验结果分析 | 第55-59页 |
| 第6章 总结和展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66-67页 |