第一篇：足球后衛與籃球后衛技巧

后衛分兩種，一種是邊后衛，一種是中后衛，中后衛里面還有分突前和拖后后衛，邊后衛防守對方球員都是速度很快的那種，往往一支球隊的邊鋒都是速度型的，在防守速度快的對手時候，一定要沉著，對手在高速帶球奔跑時候，是很容易把后衛過掉的，這個時候，對手高速奔跑過來時候，你不能輕易出腳去攔截，一定要看準，對手有時候假動作十分多，也很逼真，如果你輕易撲上去，一伸腳，對手只要一個變向，就可以把你過掉；

這個時候你身體的站位要注意，不能兩只腳平站，一定要一只腳再前，一直腳在后，這樣站位就很好轉身，很容易轉身奔跑，在對手逼急你的時候，可以選擇慢慢一邊后退，一邊觀察對手的下一步動作，后退緩住對方有幾個好處，一個是可以更多時間去觀察判斷和處理對方的腳下球，第二是拖延時間，讓隊友回來協防你，這個時候，對手在較長時間內沒能把你過掉，他也會比較緊張，你可以把中路封死點，讓他往邊路去，這樣就不會輕易讓他有角度去射門，他只能是選擇威脅不大的傳中了，或者是他也會起腳射門，但是由于心里問題、體力、技術問題，都會比較緊張和匆促，射門的效果也大大降低。

如果你要搶對方腳下球時候，一定要看準時機，在他即將要射門的起腳那一下，他的腳離球的距離比較長，不容易做下一步動作，設個時候，你只要向前去封住他的射門角度，自然就可以把他的球給截下來。

踢后衛不一定是要很快速度的，如果球在前面，你跑去搶球的時候，不要一路盲目去追球，可以看對手的跑動線路，你只要跑到他的前面把線路的位給卡住了，他速度再怎么快，也是不能過掉你的，這樣你就可以慢慢再去追球，慢慢去處理掉球。

踢球需要用腦子去踢，然后再用腳踢，盲目只是去跑、沖、搶，是不會有進步的，所謂意識，是需要時間去鍛煉出來，不是一開始就意識很好。

為小前鋒的話，幾項基本籃球技術要熟練： 進攻

1、中投，作為活動在離籃筐適中的小前鋒，中投必須要準，同樣，在干擾下中投、拋投、跑投也要準。

2、運球，如果你身體素質可以兼做大前鋒的話就可以小小地練運球，基本的胯下、背后運球、變向要會，并且要扎實，如果你可以兼做后衛的話就要熟練地練好左右手的運球了、3、掩護，正規比賽中才常用，打半場比賽一般不用，但作為小前鋒，在正規比賽中場掩護后衛跑動過人，所以你要想打正規比賽就可以練習下掩護技術。4、3分，兼做后衛的小前鋒才用熟練。

5、擺脫，小前鋒必要掌握的技術，必須熟練擺脫技能才能流利的進攻。防守

1、籃板，兼做大前鋒的可以熟練，做后衛的也要熟練。搶籃板最重要的就是卡位和意識。！

2、搶斷，這是給兼做后衛的小前鋒熟練的，個子高的話不要嘗試，否則很容易被過掉。

3、蓋帽，這是必須掌握的技巧，靠意識和身體素質，掌握對手的投球最高點時機。

第二篇：足球后衛 畢業論文

目 錄

摘要------------------------1 ABSTRACT------------------2 第一章緒論---------------1 1．1 課題來源及研究背景----------------------1 1.1.1課題來源10 3.2.1 陣形-----10 3.2.2 陣形因子-----------------------------10 3.2.3 陣形分類-----------------------------11 3.2.4 Agent陣形庫------------------------11 I

3.3 基于陣形變換的防守模型--------------12 3.3.1.常用陣形變換方法-----------------12 3.3.2.一種新型的陣形變換方法--------13 3.4 小結------------14 第四章 基于SBD策略的后衛防守模型-----15 4.1 幾種常見的后衛防守模型--------------15 4.1.1 盯人防守模型-----------------------15 4.1.2 角色防守模型-----------------------17 4.1.3 區域防守模型-----------------------18 4.2 基于SBD策略的后衛防守模型------19 4.2.1 SBD策略------------------------------19 4.2.2 防守型SBD策略--------------------19 4.2.3 基于SBD策略的后衛防守模型6)(3)當 n >_2時: OptDir=Ai+ MaxAng/2.0(4一 7)其中 i 值 由MaxAng對應的角決定。

計算 出 OptDir后，我方控球隊員踢球的方向就確定了，圖4-4是當n>_2時表示OptDir的示意圖。當我方控球隊員將球以OptDir方向踢出后，由于采用的是大力踢球策略，這樣使球能夠得到較大的速度，同時踢球方向的推倒過程又保證了球進入對方半場或踢到邊線之前不易被對手截獲。這樣，在我方半場的對方球員回防之前，球被很快壓入對方半場，我方山防守轉向進攻，此時對方的防守相對較弱，增加了我方射門得分的機會。可見，當對手攻入我方半場時，在我方球員斷球成功后應用SBDD策略，能夠較好地達到破壞對手協作進攻的目的。

2.實例學習在SBDD策略中的應用

SBDD策略的具體應用中，扇形區域Sec(amin,amax,r)大小的確定是一個關鍵問題，在CSU YunLu2003中我們采用了實例學習[46】的方法來獲得這三個量的值。

實例學習是人工智能中一類機器學習方法，這種學習方法也稱為歸納學習(Learning by induction)，是目前機器學習方法中最成熟的一種。通過實例學習就是從具體訓練例子中推導出一般規則，學習活動的全過程可用兩空間模型來說 明，如圖4-5所示。

圖 4一 5 兩 空 間 模 型

例子空間就是向系統提供的訓練例集合，規則空Nl是對事物所具有的規律性的描述。實例學習的過程就是要在訓練例的指導下，在規則空間進行搜索，以找到我們所要學習的概念描述。結合SBDD策略，各變量的各種取值組成了例子空間，以機器人足球仿真比賽中的相關規則作為規則空間，通過實際比賽進行訓練，從中找到合適的Sec區域。

在學習過 程中，我們以實際比賽中球在對方半場的時間t與整場比賽的時間 T的比值R=OT作為衡量Sec取值的性能指標。R越大表明球被壓入對方半場的時間越長，而對應的Sec取值越合適。

3.SBDD策略的采用度d 在仿真比賽中，當球員得到控球權后，要采用某種策略來選擇下一步動作，如傳球、帶球過人、下底傳中等等。我們把一場比賽中控球隊員執行SBDD策略的次數。與該球員控球時所采用策略的總數N的比值稱為SBDD策略的采用度，用d表示，其中

d=n1N。提出采用度的概念，主要為了研究SBDD策略的不同使用程度對整個仿真球隊的影響。

SBDD 策 略具有較強的反協作能力，但由此也帶來了一定的震蕩性，即可能導致某段時間球在兩個半場之間拉鋸，從而造成球員體力消耗過大。我們從訓練中發現這種震蕩性與d的取值有關，而且d值越大出現震蕩的可能性也隨之增大。因此，在采用SBDD策略時一定要根據球隊的自身特點來確定d的取值。

在 CSU_YunLu2003仿真球隊中我們對己經實現的多種SBD策略進行了測試。測試比賽是在SoccerServer9.xx版本下完成的，先后對采用SBDD策略和不采用該略的CSU一 YunLu2003仿真球隊作了長時間的訓練，訓練結果表明，SBDD策略是可行有效的。為了減少比賽隨機性對結果的影響，我們取同一支球隊作為對抗球隊，表4-1中給出了部分統計的對比數據，用來說明SBDD策略的采用對比賽結果的影響。表 4一 1 S BD 策 略 的 采 用 時 比賽 結 果 的 影 響

由表 4-1可以看出應用SBDD策略后，球在對方半場的平均時間比提高了25.5%，進球機會有了明顯增加。

4.2.3 基于SBD策略的后衛防守模型

將防 守 型 SBD策略應用在后衛防守工作中，并取d一l.就是基于SBD策略的后衛防守模型的核心思想。上文提到在SBDD策略中，若d的取值過大，可能引起振蕩，但由于后衛的戰略位置比較靠近球門，他們斷球后如果不迅速作出判斷很容易被對方球員再次奪得控球權，另外在球員其它技能水平不高(如傳球、帶球)的情況下，即使判斷及時，也可能在下一步動作中使我方球隊失去控球權.因此，當后衛控球后只采用SBDD策略不僅可以縮短決策選擇的時間，還能夠彌補球隊某些技能上的不足。而且通過實際比賽發現，后衛對SBDD策略采用度的大小對整個比賽振蕩性的影響不是很明顯。SBDD策略應用的前提是球員首先得到控球權，因此在后衛的防守過程中需要具有較強的斷球技能。

4.3 小結

本章內容主要從智能體局部合作的角度出發，研究了后刃.的防守模型。在對己有防守模型分析比較的基礎上，提出了基于SBD策略的后衛防守模型，這種防守模型打破了傳統防守策略被動性的特點。基于SBD策略的后衛防守模型，主要解決了后衛斷球以后的防守問題，采用這種防守方式的仿真球隊，大大減小了門前危機，從而有效緩解了守門員的防守壓力。SBD策略是后衛防守模型的核心，這是CSU YunLu2003的研究者在大量仿真實驗的基礎上提出的新思想，這個策略具有很強的適應性和可擴展性，能夠有效瓦解對手有組織的協作。

第五章 總結與展望

5.1 論文總結

通過論文的寫作不僅熟悉了整個RoboCup仿真足球機器人系統的設計和開發流程，而且對MAS系統中多智能體的合作、協調和對抗等方面己有了較深的認識。在對RoboCup仿真球隊高層策略的研究過程中，論文提出一套可行、有效的防守策略，并將其理論化、系統化，其主要研究工作有:(1)將陣形引入到仿真比賽中，可以對多智能體之間的協調起到重要的作用。不同的陣形可以用在不同的比賽階段或起到不同的攻防作用。防守型的陣形能夠從整體上提高球隊的防守水平，基于這一點文中提出了基于陣形變換的防守模型。主要研究了防守陣形的采樣方法和動態變換算法，并研究了案例學習在陣形采用中的應用。該模型突破了單憑直接經驗設置陣形因子的方式，將機器學習的方法應用到陣形設計中，在很大程度上降低了經驗參數對陣形的影響。另外，在陣形變換上，該模型沒有沿襲以攻防陣形轉換為主的陣形變換方法，而是將防守分成積極防守和消極防守兩個階段，陣形轉換工作在兩種防守陣形之間進行。這種陣形動態變換方式加強了防守的力度，顯著提高了球隊的整體防守性能。

(2)在研究智能體局部合作的過程中，論文提出了反協作的SBD策略思想，并將該策略應用到后衛的防守工作中。在已有的后衛防守模型中，所采取的策略都是基于傳統意義上的防守，研究的是在對方球員控球時本方球員應如何行動的問題，這類防守具有很大的被動性。而基于SBD策略的后衛防守模型，所采取的是一種積極的防守方法，主要解決了后衛斷球以后的防守問題。該模型簡單有效，在比賽過程中能夠瓦解對手有組織的協作，從而大大減小了門前危機，并能有效緩解守門員的防守壓 力。而且該模型對球隊的底層技術要求不是很高，具有較強的適應性。(3)基于防線的守門員跑位模式是目前較為成熟的守門員防守方法，利用這種方法能夠取得較好的防守性能，但必須處理好守門員體力消耗大的問題和足球越過防線的情況。論文在對基于防線的守門員跑位模式進行研究和分析的基礎上，用設置臨界線的方法解決了守門員體力消耗問題，并提出了可變防線的思想，研究了平行可變防線和交叉可變防線兩種方法。可變防線的守門員防守策略打破了一條防線的限制，能夠有效防止對手帶球穿越防線，從而更好地發揮了守門員的防守作用。

為了將防守模型應用到CSU-YunLu2003中，在實驗過程中還研究了CVs并行版本系統的使用方法和Linux操作系統的管理及其環境下的編程思想。

5.2 后期工作展望

機器人足球比賽作為一項集技術與競技于一體的項目，為機器人學和人工智能的研究提供了良好的平臺，越來越多的科研單位和院校參與到了足球機器人的研究與開發中，因此，應該繼續我們在這方面的研究，并應不斷深入。

論文所作的工作只是RoboCup仿真機器人中的一部分，在此基礎上，還有很多工作有待完成。進一步的研究工作主要包括:(I)加強對陣形采樣方法的研究，并尋求Q學習和遺傳算法在陣形訓練中的應用方法。加強對在線學習的研究，使Agent能夠通過自身的學習能力進行陣形變換。

(2)進一步研究后衛之間的合作。在SBD策略方面，除了繼續加強其在防守方面的研究，還要尋求更多的應用前景.(3)在對守門員防守模型的研究中，要繼續在可變防線上的研究工作，并能夠將一些成熟的人工智能方法逐步應用到參數設置和防線變換中。

(4)加強對RoboCup仿真球隊其它高層策略的研究，進一步提高隊伍的綜合實力。

參考文獻

[1] 薛宏濤、葉媛媛、沈林成、常文森.多智能體系統體系結構及協調機制研究綜述[J].機器人.2001,23(1):85—89 [2] 洪炳熔、劉新宇、王月海.基于多智能體系統的機器人足球比賽[J].中南大學學報.2000,31(專輯):47—50 [3] 徐心和、佟國峰、機器人.足球比賽是推動機器人技術基礎研究的舞臺[J].中南大學學報.2000,31(專輯):483—486 [4] 曹衛華、桂衛華、吳敏、蔡自興.足球機器人系統中人工智能的應用[J].中南大學學報.2000, 31(專輯):494—496 [5] 陳小平.國際機器人足球(RoboCup)最新進展[J].機器人技術與應用.2001,(1):25—28 [6] 徐心和.足球機器人六步推理模型研究[Ａ].機器人足球研討班論文集[Ｃ].1998.42-46 [7] 傅京孫、蔡自興、徐光佑.人工智能及其應用[Ｍ].北京:清華大學出版社.1988 [8] Kim J H, Shim H S.A cooperative multi-agent system and real time application to robot soccer[A].Proc of IEEE Int Conf on Robotics and Automation[C].Albuquerque.1997.638-643 [9] Fujisawa K, Hayakawa S, Aoki T.Real time search for autonomous mobile robot using the framework of anytime algorithm[A].Proc ofthe Fourth Int Symp on Artifical Life and Robotics(AROB 4th,99)[c].Japan.1999.291-296

[10]陳建中.支持協商的面向Agent程序設計方法研究:[博士學位論文].吉林:吉林 大 學，1998 [11]胡舜耕，張莉，鐘義信.多Agent系統的理論、技術及其應用[J].計算機科學，1 99 9.2 6(9):2 0-24 [12]張波，蔡慶生，陳小平等.基于智能團隊的RoboCup仿真球隊[J] Jun 28--July2 ,200 0, Hefei, P.R.China.[13]李實，徐旭明，葉棒，孫增沂.機器人足球仿真比賽的Server模型[J].系統仿真 學 報，Vol.12N o.2,March,2 000 [14]李實，徐旭明，葉棒，孫增沂，綜述:國際機器人足球比賽及其相關技術[J].機 器 人ROBOT,2 000,9(22):4 20426 [15]彭軍，吳敏，曹衛華.RoboCup機器人足球仿真比賽的關鍵技術[Jl.計算機1程，第 30卷第4期:49^-50,2 004.2 [16] 孫增忻.機器人足球中的協作[Jl.第四屆全球智能與自動化大會論文，2002.469-473，中國上海

[17]陳世福，陳兆乾.人工智能與知識工程[M].南京:南京大學出版社，1997.12 [18]馬光偉，徐晉暉，石純一Agent思維狀態模型[J].軟件學報，1999, 10(4):34 2^ 34 8 [19]王文鳳，彭軍.多層結構在RoboCup仿真球隊中的應用〔J].計算機仿真，第21 卷 第 3期:88^-90,2 004.3 [20] 陸汝鈴.人1智能[M].北京:科學出版社，1996.8 71-883 [21] 陳志涌等.精通MATLAB5.3[M].北京:北京航空航天大學出版社，2002.8 227-243 [22]件博.multi-agent協作模型及其在RoboCup中的應用:〔碩士學位論文l.長沙: 中南 大學，2003 [23]張曉勇，彭軍.RoboCup中傳球策略的實現[J].計算機工程，已錄用，于2005 年 1月發表

[24」彭軍，王文鳳，張曉勇.SBD策略在多智能體協作中的應用研究〔Jl.計算機工 程，已錄用，于2005年3月發表

[25]石純一，黃昌寧等.人工智能原理[M].北京:清華大學出版社，1993.185-236 27

附錄一:后衛隊員狀態自動機

//////////初始化程序 #include “stdafx.h” #include “CActionTranslator.h” #include “output.h” #include #include #include

using namespace zealot;/* * 類 CActionTranslator 的靜態成員初始化 */ const char CActionTranslator::ROLE_NAME[][MAX_ROLE_NAME_SIZE] = { “VANGUARD”, “GOALIE”, “DEFENCE_MAN”, “KICK_MAN”，“WALK_MAN”, “AVOIDER”, };

const char CActionTranslator::ACTION_NAME [][MAX_STATUS_NAME_SIZE] = { “WALK”，“ACCESS_BALL”, “FACE_BALL”, “STRAIGHT_TOUCH_BALL”, “TOUCH_BALL”, “DRIBBLE”, “KICK”, “STOP”, “SEARCH_BALL”, “AIM”, 28

“RETURN_GOAL”, “SHUT_ANGLE”, “DEFENCE_GOAL”, “ALERT”，“DEFENCE”，“RETURN_POS”, “PATROL”，“AVOID”, };/** * CActionTranslator::CActionTranslator()構造函數 * * 參數: * v_Role--機器人的角色 * 返回值: * 無 */ CActionTranslator::CActionTranslator(int v_RoleIdx){ m_Role =(ROLE)v_RoleIdx;

InitAction();} /** * CActionTranslator::~CActionTranslator()析構函數 * * 參數: * 無 * 返回值: * 無 */ CActionTranslator::~CActionTranslator(){ } 29

/** * CActionTranslator::Action()得到機器人的當前狀態 * * 參數: * 無 * 返回值: * 機器人的當前狀態 */ CActionTranslator::ACTION CActionTranslator::Action()const { return m_Action;} /** * CActionTranslator::ActionName()得到機器人的狀態名(用于調試輸出)* * 參數: * 無 * 返回值: * 機器人的當前狀態名 */ const char* CActionTranslator::ActionName()const { return ACTION_NAME[m_Action];} /** * CActionTranslator::RoleName()得到機器人的角色名(用于調試輸出)* * 參數: * 無 * 返回值: * 機器人的角色名 */ const char* CActionTranslator::RoleName()const { return ROLE_NAME[m_Role];} 30

/** * CActionTranslator::ActionCounter()得到機器人的狀態計數 * 也就是機器人處于當前狀態的決策周期數 * * 參數: * 無 * 返回值: * 狀態計數 */ int CActionTranslator::ActionCounter()const { return m_ActionCounter;} /** * CActionTranslator::InitAction()根據機器人角色初始化 * 機器人的狀態 * * 參數: * 無 * 返回值: * 機器人的當前(初始)狀態 */ CActionTranslator::ACTION CActionTranslator::InitAction(){ /* 根據機器人的角色確定機器人的初始狀態 */ switch(m_Role){ case VANGUARD: // 前鋒的初始狀態是 SEARCH_BALL m_Action = SEARCH_BALL;break;

case GOALIE: // 守門員的初始狀態是 SHUT_ANGLE m_Action = SHUT_ANGLE;// m_Action = ALERT;break;

case DEFENCE_MAN: // 后衛的初始狀態是 RETURN_POS m_Action = DEFENCE;31

break;

case KICK_MAN: // 助攻的初始狀態是 RETURN_POS m_Action = RETURN_POS;break;

case WALK_MAN: // 不依賴視覺反饋, 走一套確定的動作 m_Action = WALK;break;

case AVOIDER: // 避障人員的狀態一直是壁障 m_Action = AVOID;break;}

#ifdef CONSOLE_OUTPUT printf(“Role: %sn”, ROLE_NAME[m_Role]);printf(“Action Initialize to %sn”, ACTION_NAME[m_Action]);#endif // CONSOLE_OUTPUT

#ifdef WIN_OUTPUT pZealotDlg->m_editAction.SetWindowText(ACTION_NAME[m_Action]);#endif // WIN_OUTPUT

m_ActionCounter = 0;// 清零狀態計數器

return m_Action;} /** * CActionTranslator::TranslateAction()根據視覺信息和機器人當前速度 * 進行狀態躍遷, 并返回機器人的當前狀態 * * 參數: * v_Memory--機器人記憶, 內含視覺信息 * v_Speed--機器人的當前速度 * 返回值: * 機器人的當前狀態 */ CActionTranslator::ACTION CActionTranslator::TranslateAction 32

(const CMemory& v_Memory, const CSpeed& v_Speed){ char msg[20];

ACTION last_action = m_Action;

/* 根據機器人在球隊中的角色采用不同的狀態自動機, 來控制狀態的躍遷 */ switch(m_Role){ case VANGUARD: VanguardAction(v_Memory, v_Speed);break;

case GOALIE: GoalieAction(v_Memory, v_Speed);break;

case DEFENCE_MAN: DefenceManAction(v_Memory, v_Speed);break;

case KICK_MAN: KickManAction(v_Memory, v_Speed);break;

case WALK_MAN: break;

case AVOIDER: break;

default: sprintf(msg, “Unknown ROLE : %d”, m_Role);ReportError(msg);break;}

if(m_Action == last_action){ m_ActionCounter++;// 累加狀態計數器

} else { m_ActionCounter = 0;// 清零狀態計數器

#ifdef CONSOLE_OUTPUT printf(“Action changed to %sn”, ACTION_NAME[m_Action]);#endif // CONSOLE_OUTPUT

#ifdef WIN_OUTPUT pZealotDlg->m_editAction.SetWindowText(ACTION_NAME[m_Action]);#endif // WIN_OUTPUT } return m_Action;} /** * CActionTranslator::VanguardAction()前鋒的決策自動機 * * 參數: * v_Memory--機器人記憶, 內含視覺信息 * v_Speed--機器人的當前速度 * 返回值: * 無 */ void CActionTranslator::VanguardAction(const CMemory& v_Memory, const CSpeed& v_Speed){ static int kick_counter = 0;static const int NEARBY_DISTANCE = 50;// 距離球多遠時停車, 進入該距離機器人將停車

static const int DRIBBLE_DISTANCE = 10;// 距離球多遠時帶球

static const int STOP_SPEED = 20;// 停車速度, 速度達到多少時算靜止

static const float FACE_ANGLE = CVector2d::PI / 10;// 選擇是否正對著靠近球的閾值角度

static const float KICK_ANGLE = CVector2d::PI / 4;// 帶球時的射門條件(角度)static const int KICK_DISTANCE = 200;// 帶球時的射門條件(距離)34

static const int KICK_TERM = 10;// 擊球周期 CVector2d ball = v_Memory.Position(CSnapshot::BALL);// 球的位置 CVector2d enemy_goal = v_Memory.Position(CSnapshot::ENEMY_GOAL);// 對方球門位置

/**后衛隊員的決策自動機 * CActionTranslator::DefenceManAction()后衛隊員的決策自動機 * * 參數: * v_Memory--機器人記憶, 內含視覺信息 * v_Speed--機器人的當前速度 * 返回值: * 無 */ void CActionTranslator::DefenceManAction(const CMemory& v_Memory, const CSpeed& v_Speed){ static const int FIGHT_OUT_DISTANCE = 150;// 出擊距離(距球多遠時出擊)

CVector2d ball = v_Memory.Position(CSnapshot::BALL);// 球的位置

/* 后衛的狀態機 */ switch(m_Action){ case DEFENCE: // 處于待命狀態時

if(ball.Valid()&& ball.Norm()< FIGHT_OUT_DISTANCE){ m_Action = ACCESS_BALL;// 距球較近時出擊 } break;

case ACCESS_BALL: /* 不再發生狀態跳轉 */ break;} } 35

附錄二 :論文

Local Multiresolution Path Planning_

Sven Behnke

International Computer Science Institute

Berkeley, CA, 94704, USA behnke@icsi.berkeley.edu Abstract.Grid-based methods for finding cost optimal paths are popular because oft heir flexibility and simple implementation.However, their computational complexity becomes unfeasible for real-time path planning ifthe resolution of the grid is high.These methods assume complete knowledge about the world, but in dynamic environments where sensing is done on board the robot, less is known about far-away obstacles than about the ones in close proximity.The paper proposes to utilize this observation by employing a grid of variable resolution.The resolution is high next to the robot and becomes lower with increasing distance.This results in huge savings in computational costs while the initial parts ofthe paths are still planned with high accuracy.1 Introduction Path planning is an important subtask of the robot navigation problem, which is to find a path from a start configuration to a target state and to traverse it without collision.The navigation problem can be decomposed into three subtasks: mapping and modeling the environment, path planning, and path traversal with collision avoidance.Manya pproaches to path planning have been described in the literature [7, 8].Theyca n be grouped into local and global methods.Local path planning methods do not attempt to solve the problem in its full generality, but use only the information available at the moving robot to determine the next motion command.One well known local path planning technique is the potential field method [6].Here, the robot follows the gradient of a force field.The field is generated bya ttractive potentials from a start position towards a target and by repulsive potentials that point awayf rom obstacles.The potential field method has a low computational load and generates smooth paths that staya way from obstacles.However, the greedygrad ient descent mayget trapped in local minima.It is hence most useful in environments where local minima are unlikely.Furthermore, it can be used for fast reactive obstacle avoidance.In contrast, global methods assume complete knowledge about the world.The frequentlyrel y on the concept of free space, the configurations the robot _ This work was supported by a fellowship within the postdoc program of the German Academic Exchange Service(DAAD).36

can take without collision [9].It is convenient to shrink the robot to a point while growing the obstacles accordinglyto obtain the free space.Roadmap path planning methods inscribe a graph into the free space that contains all possible paths.For instance, a roadmap defined bya visibility graph [10] can be used to find the shortest path around polygonal obstacles.Another possibilityto define a roadmap is to use Voronoi borders [11] as graph edges in order to find a path that stays far away from obstacles.To rapidly explore high-dimensional configuration spaces planners have been proposed that randomlysa mple configurations and connect samples in free space by simple local paths, therebycr eating probabilistic roadmaps [5].One disadvantage of these methods is that onlya binaryr epresentation(occupied/free)of the configuration space is possible.Another class of global planning methods decompose the free space into cells.Exact cell decomposition results in cells of different simple shapes as required by the shape of obstacles.Approximate cell decomposition methods use predetermined cell shapes, sizes, and positions to approximate the free space [1].Popular approximate cell decompositions include uniform coverage with square cells and quadtree representations [4] that use smaller cells next to the obstacle borders.Once the decomposition is determined, dynamic programming can be used to find an optimal path.This requires to fill out a data structure, e.g.a multidimensional table, that contains solutions for all possible subproblems.If the resolution of a decomposition is high or the state space has manydimensio ns this can still be computationallydema nding.The computational efficiencyo f path planning is essential for online-problems [2], where paths are planned and executed in real time, for on board planning, where the computational resources are limited, and for planning in dynamic environments, where frequent replanning is required.All three of the above constraints are present in manyl eagues of the RoboCup competition.On the other hand, in dynamic environments a detailed path from the start to the target has little chance of execution.Obstacles move unexpectedlyas the robot traverses the path and hence continuous replanning is required.Furthermore, due to limited local sensing capabilities, far-awayo bstacles can be determined onlywith reduced accuracy.These observations motivate the local multiresolution path planning method proposed in this paper.The idea is to use high resolution to represent the configuration space in close proximityto the robot and to lower the resolution with increasing distance from the robot.This concentrates the planning resources to the begin of the path, the part that must be traversed first and where the information about obstacles is most reliable.While the computational load is reduced dramatically, the immediate movement of the robot can still be planned with high accuracy.The paper is organized as follows.The next section describes grid-based path planning and details its extension to the multiresolutional case.In Section 3, the traversal of planned paths and the effects of the initial robot motion are covered.The paper concludes with a discussion of the experimental results and indicates possibilities for future work.37

PlanPath(target, obstacles, N){ grid = eval = ClearGrid();q = InitPriorityQueue();while(!q.empty()){ p = q.pop();if(target == p)return previous;for(n∈ N(p)){ if(eval(n)== 0)best = ∞;else best = eval(n);new = p.cost + grid(p)·n.l0 + getGrid(n, obstacles, grid)·n.l1;if(new

of a fixed component, which represents the radius of the obstacle ro plus the radius of the robot rr, and a variable component rd that increases linearly with distance from the grid center.The far-awayob stacles are modeled larger, because their position can be sensed with less accuracyf rom the perspective of the robot and because theym ight move before the robot gets close to them.Each obstacle is also characterized bya height h is inverselyp roportional to the squared radius to keep its integral constant.The cost increase of a grid cell that is caused bya n obstacle depends on their distance.It is constant if the distance is smaller than the radius and decreases linearlyto zero at three times the radius.To compute the cost of a grid cell, the contributions from all obstacles are added to a uniform base cost.The cost function is a simple and flexible wayto express uncertainty.Obstacles with noncircular shapes could be included into the cost function in an analogous way.2.3 Non-Uniform Resolution It is not necessaryt o represent the entire grid with a high uniform resolution.Since far-awayob stacles cover a larger area, a coarser resolution suffices there to approximate them.This is illustrated in Figure 2(b).Here, the resolution is high in the center of the grid and decreases towards the outside.This corresponds to the situation shown in Figure 2(c).Multiple low-resolution grids of size M ×M are stacked concentrically.The inner part of a gridis not used, but the next grid level is placed there, until the highest resolutionis reached.To cover the same area as a uniform N ×N grid with the same inner resolution, only K = log2(N/M)+ 1 levels of size M × M are needed.If N is large compared to M, this lowers the number of grid cells substantially.In the following experiments, I use N = 256, M = 16, and K = 5.Hence, the flat grid has 64 times as manycel ls as the multiresolutional grid.The connectivitywithin cells of the same level of this multiresolutional hierarchyi s set to the 8-neighborhood.Care must be taken at the borders between resolution levels to connect the neighboring cells.Figure 3 illustrates the connectivitythat is used for the experiments.Except for the corners, each high resolution cell connects to two adjacent low resolution cells and each low resolution cell connects to four high resolution cells.2.4 Heuristics The A? algorithm [3] is an efficient and well studied best-first search algorithm.It uses a heuristic function to guide the search.This function is an optimistic estimate of a path’s total cost.Since each grid cell has at least the base cost, the remaining part of the path from a grid point to the target cannot be less expansive than the Euclidean target distance weighted bythe base cost.Hence, the sum of the accumulated cost of the best path to a grid point plus this heuristics can be used to determine the expansion order.As can be seen in

Figure 4, the use of this heuristics can substantiallylo wer the number of visited grid cells.The altered expansion order mayal ter the path found onlyi f two paths have the same costs.The figure also compares the algorithm for the flat and the multiresolutional grid representation.One can observe that the produced paths are verysimilar.39

In particular, the start of the multiresolutional path is as detailed as the path produced using the flat grid.2.5 Runtime

The different cell numbers between the flat and the multiresolutional grid result in different runtimes.Figure 5 displays how this difference grows with the problem size.The runtimes represent the measured average running time of the path planner to random targets with random obstacles.A 1GHz Athlon processor has been used for the measurement.The algorithm has been implemented in C++.At the leftmost data point, where K = 1 and N = M = 16, both representations are identical.As N gets larger, K is adjusted accordingly.One can observe that the runtime grows approximatelyexp onential with K when a single resolution is used and grows, after some cache effects, approximatelylinear when multiple resolutions are used.This corresponds well to the growth of the cell numbers.For K = 8 and N = 2048, the flat search needs on average 4.55s while the multiresolutional search needs only4.70ms on average.3 Continuous Planning and Execution In a dynamic environment, a planned path cannot simply be executed.Since the obstacles move, the plan must be updated as the robot follows its trajectory.Furthermore, in order to make consecutive plans compatible, the initial robot motion must be taken into account.3.1 Initial Condition One simple wayt o account for the initial velocity of the robot is to place an additional obstacle behind it, as shown in Figure 6.This obstacle favors paths that initiallyco ntinue in a similar direction the robot is already moving.The larger the robot’s initial velocity, the more severe a sudden change in direction would be and hence the more pronounced this obstacle must be.3.2 Partial Execution and Replanning Figure 7 illustrates how two different initial conditions lead to two different paths.The figure also shows, how the robot generates a trajectoryb y moving along the initial segment of the path.The path is continuouslyu pdated.As the robot comes closer to initiallyfa r-away obstacles, their radius decreases, since their position can now be determined with greater precision and theyare less likelyt o move.Hence, the robot passes these obstacles closer than originally planned.Figure 8 shows some additional trajectories that have been generated in an environment with more obstacles.The trajectories are smooth, relativelyshort, and staya wayf rom obstacles.Hence, they are suitable to reach the target fast while avoiding the chance of collisions.4 Conclusions The paper proposed a local multidimensional path planning algorithm.In contrast to quadtree algoritms [4] that focus the computational ressources at the obstacle borders, this algorithm represents the configuration space next to the robot with higher resolution than far-awayfr om it.This leads to the use of fewer grid cells, as compared to a representation that is based on a uniform grid.These savings result in substantiallylo wer runtimes.40

The coarse approximation of far-awayob stacles was motivated by the limited precision of robot-based sensing for far-awayob jects and by the larger obstacle movements that are possible before the robot comes close to them.If these conditions are met, the generated paths have simular qualityas the ones generated using a grid of uniformlyhig h resolution.Since the runtime of the multiresolutional path planner is verysho rt, it can be used for continuous replanning.This is not wasteful, since onlythe initial part of the path that is executed immediatelya fter planning is planned in detail.An example with a two-dimensional configuration space has been presented.The generated trajectories facilitated the fast movement towards the target while at the same time minimizing the chances of collisions.So far, the obstacles were static and the kinematics of the robot has not been included in the configuration space.Since the running time of the planner is only a few milliseconds long, it would be feasible to increase the dimensionality of the configuration space and still replan at a high rate.One could e.g.explicitly model time or the orientation of the robot.This will be subject to future research.References 1.R.Brooks and T.Lozano-P′erez.A subdivision algorithm in configuration space for findpath with rotation.In Proceedings of the 8th International Conference on Artificial Intelligence(ICAI), pages 799–806, 1983.2.James Bruce and Maria Manuela Veloso.Real-time randomized path planning for robot navigation.In Proceedings of the 2002 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS ’02), October 2002.3.P.E.Hart, N.J.Nilsson, and B.Raphael.A formal basis for the heuristic determination ofm inimum cost paths in graphs.IEEE Transactions on Systems Science and Cybernetics, SSC-4(2):100–107, 1968.4.S.Kambhampati and L.S.Davis.Multiresolution path planning for mobile robots.IEEE Journal of Robotics and Automation, RA-2(3):135–145, 1986.5.L.Kavraki, P.Svestka, J.C.Latombe, and M.Overmars.Probabilistic road maps for path planning in high-dimensional configuration spaces.IEEE Transactions on Robotics and Automation, 12(4):566–580, 1996.6.O.Khatib.Real-time obstacle avoidance for manipulators and mobile robots.International Journal of Robotic Research, 5(1):90–98, 1986.7.J.-C.Latombe.Robot Motion Planning.Kluwer Academic Publishers, Boston, MA, 1991.8.J.-C.Latombe.Motion planning: A journey ofrob ots, molecules, digital actors, and other artifacts.International Journal of Robotics Research, 18(11):1119–1128, 1999.9.T.Lozano-P′erez.Spatial planning: A configuration space approach.IEEE Transactions on Computers, C-32(2):108–120, 1983.10.N.J.Nilsson.A mobile automaton: An application ofart ificial intelligence techniques.In Proceedings of the 1st International Joint Conference on Artificial Intelligence, pages 509–520, Washington, DC, 1969.11.C.O’Dunlaing and C.K.Yap.A ’retraction’ method for planning the motion of a disc.Journal of Algorithms, 6:104–111, 1986.41

致謝

光陰似箭，歲月如梭，轉眼間大學生活就要結束了。在論文完成、即將答辯、畢業之際，謹向培養我的學校和那些曾給予我關懷、幫助的所有人表示深深的謝意。

首先，我要忠心感謝我的導師李鐵軍老師。在我作論文期間，李老師不僅為我提供了很好的學習和研究環境，而且為我提供了許多學術上的具體指導，使我受益匪淺，論文的研究工作更是在彭老師的精心指導下完成的。李老師在學習、生活中也給予了我許多教誨與啟迪。在論文的選題、開題直至定稿完成的整個過程中，老師都付出了大量的心血和無私的勞動。導師對我的關心、幫助和激勵，我將永遠銘記在心，他嚴謹的治學態度、勤勉的工作作風、謙遜寬厚的為人水遠值得我敬仰和學習。在此我再一次向他表達深深的敬意和感激。

感謝計算機科學與工程學院的幾位老師和同學們對機器人足球課題組的關心與支持。他們為我的論文提供了許多寶貴的修改意見和建議。

感謝同課題組的崔金生，張繼軍，石紹紳等同學，我論文中的很多研究工作都是和他們合作完成的，得到了他們的許多啟發和幫助。在我論文的寫作過程中，沈建波，蔣林等幾位同學也提出了很多中肯的意見。我能順利地完成論文，與他們的熱心幫助是分不開的。

感謝同實驗室的王耀羚，張麗等同學，他們在學習和工作中給我很多鼓勵和支持。在我大學期間他們對我的生活和學習給予了很多幫助，這些深厚友情是難以忘懷的。

隨著我學位論文的完成，我即將告別大學生活，這段寶貴的經歷是我一生都難以忘記的。在我求學的這些年里，我的家人一直是我的堅實支柱。在這里我要特別感謝親人們多年來對我的關愛、理解和勉勵。

最后，再一次忠心地感謝所有曾經關心和幫助過我的人們。

第三篇：籃球后衛練習方法

籃球后衛練習方法

在不知道樓主的身體狀況情況下.可能涉及到的范圍不是很廣

只能從大眾的角度 給樓主一些方法 和 建議~

當后衛有兩項技能必須要很熟練!

一,就是控球,對球的手感一定要好.二,就是有籃,控球后衛要會三分,得分后衛中遠距離一定要準!

有了以上兩項,然后多打比賽,多積累經驗..張衛平指導教你如何打好后衛

http://

這是第一部分,2-4在旁邊可以選,注意多看看后衛防守部分

快速行進過人

快速行進要過人，當然追求的是變化速度與方向。而變化速度就是急停再走，變化方向就是前進方向的改變，這兩種動作最重要的關鍵都在于腿部肌力是否充足、雙腳是否彎曲。

第一談的是要如何急停的技術，首先要了解的是，假如腳后跟與前腳掌、小腿、大腿等四部分肌力不足，在某種程度的速度下你是急停不住的。其次談到雙腳放松、彎曲，其實在急停前，或者應該說腳后跟與前腳掌、小腿、大腿等四部分要用力前，這四個部位器官應該先放松，讓你的前進速度先減慢，如此才能在后續動作中使勁用力，這是人體肌肉收縮的自然拮抗作用。

也就是要急停的步驟、動作要領依序是，減速，然后腳后跟與前腳掌、小腿、大腿等四部分器官先放松，接著小腿稍微用力、腳后跟再用力頂住地面、前腳掌用力的完全著地貼住地面、小腿最后用力不動、大腿緩沖持續前進之力并稍微用力、此時大腿與小腿成彎曲狀、身體重心順勢降低而讓你動作完全停止，成為急停。

要急停腳后跟先停住，前腳掌再停、小腿用力后大腿再用力。

因此，要快速行進過人，基本上要先學會急停，不論是單腳急停或雙腳急停皆然。必須有個重要的概念是，因為要什么時候急停，對手絕不清楚，所以當在快速行進間急停后，對手勢必讓你甩脫，當然就可以輕松過人了。

同樣道理再談快速行進間的過人，當要變化方向過人之前，理所當然的是要先做減速的動作，此時你的腳是逐漸放松，讓身體快速減速，接著是你準備往東方向前進的同一側腳a之腳跟停住、腳掌貼住地面也停住，然后此同側腳小腿用力、大腿與小腿彎曲而停住，接著是b腳腳掌著地、前腳掌著地瞬間做往西用力，順勢的是b腳的小腿與大腿往西用力，如此改變方向過人。

右腳放松停住后 右腳開始用力往左 右腳蹬直用力。

右腳力氣用盡之際 左腳啟動再接續往左用力。

當然我并不知道你目前的籃球技術水平達到了一個什么程度，但無論是誰，無論達到了多高境界，實踐證明（不僅是籃球），我想你也一定很清楚，基本功是一切“高難”動作的基礎。比如說，你要想在空中（垂直地面）旋轉三百六十度，然后當防守你的隊員，落地的時候，你還在空中仍然可以把球投進藍框，將會產生什么樣的效果，你也肯定會想象出來；如果雖然你在空中完成了一個（旋轉）的高難動作，結果沒有把球送進藍框（而得分），恐怕誰都為你而遺憾。最后我想要說的是，你要想“玩好”籃球，首先，先把“定點”投籃做好，不但動作要準確，而且命中率要達到90%為好，同時，運球、傳球、彈跳，都是屬于籃球的最基本（功）的問題，這些你做不好，將會成為阻礙你提高的一個障礙。

至于練習彈跳的小技巧，即如何跳的更高，來的更快，我看你還是先把“定點”投籃練上幾天，等有機會再說。

籃球控球技巧

1.持球

使用五根手指持球，并將手指向內緊縮。在球落下的一刻使用手掌接住。

2.軀干盤球

將球放在腰際盤旋，這個動作的關鍵在於臉面朝前，同時眼睛不要看著球，然后做順時鐘、逆時鐘的盤球練習。

3.頸部盤球

將球沿著頸部環繞練習，這個練習同樣臉面朝前，頸部切忌不可移動，并且做正、反時針方向的交替練習。

4.單腳盤球

兩腳分開并且重心放低，持球在單腳一側做盤球練習。眼睛不要看球，并利用左、右腳做正、反時針方向的交替練習。

5.跨下前后拋球

兩腳分開同時重心放低。將球從前方輕拋到后方，兩手迅速由后方接住球，并將球輕拋回前方，如此反覆記時練習，試試看叁十秒內能完成幾次。

6.膝部盤球

兩腳稍微靠攏同時身體重心放低，將球沿著兩膝做盤球練習。眼睛不要看球，并按正、反時針方向交替練習。

7.跨下8自行盤球

這是單腳盤球的應用，將球沿著雙腳在跨下做8字形的盤球，同時眼睛不要看著球，并按正、反時針方向交替練習。籃球技巧

一、彈跳力是全身力量、跑動速度、反應速度、身體協調性、柔韌性、靈活性的綜合體現。

所以我們不可以認為提高彈跳就成天的跳跳的就行了。你必須堅持每天拉伸自己全身各部位的肌腱、韌帶、肌肉，擴大關節的活動范圍，同時，做各種復雜的有利于提高身體協調性的體操。動作要準確、優美、既有力又放松。

二、力量訓練最好由身體訓練教練安排和輔導。如自己進行訓練，最好每周進行2到4次的大力量訓練，訓練時必須注意安全，以免發生意外傷害。所謂大力量訓練就是利用杠鈴進行大負荷的練習。最典型常用的有三種：

負重蹲起，提鈴，抓舉。總之，這幾項練習的成績越高，你的彈跳力就越好。

至于每次練習的重量、組數、次數、動作規格等問題，原則是：

1、大力量訓練每周至少二次，不多于四次，要給身體超量恢復的時間，但要長年進行，不可間斷。

2、每次課最好安排以上所述三項練習方法。

3、要講究大力量訓練的技術動作規格，切不可亂來。

4、小力量訓練是指使用各種綜合訓練器械和啞鈴等進行訓練。重量較輕，組數和次數較多。目的是提高肌肉耐力，增粗肌纖維，減少脂肪，小力量訓練可以變化著花園天天練，但最好不要和大力量訓練同時進行。無論大力量還是小力量訓練，一次課的時間不要拖的太長，1.5小時至2小時為宜。有強度還要有密度。

三、速度訓練也是提高彈跳力的一個重要方面。

反復沖刺訓練還是有必要的。30次，50次，也許80次，那就要看你的吃苦精神了。所謂沖刺，要求你自己在準備活動后全速往前沖，而不是中速。專項速度訓練同大力量訓練相同，不必天天練，每周三小時即可。還要特別注意運用小；力量訓練手段增強大腿后側肌肉群的力量。

四、各種專門的彈跳練習手段非常多，諸如跳繩、跳欄、摸籃圈、摸小黑框上沿，甚至摸籃板上沿。

最后，我要提一提神經系統和彈跳力的關系。我們已經知道速度、力量、協調性、柔韌性、靈活性這些素質在瞬間綜合向下作用于地面時就產生彈跳力，那么什么東西是這些素質在瞬間同時爆發呢？就是動機和運動神經系統。也就是說，如果你真的想高居一切人之上，你就必須想盡一切辦法使自己的運動神經系統想自己全身的肌肉發出最強的沖動信號。這種強刺激迫使肌肉群激烈收縮產生巨大能量，肌肉群劇烈收縮有反過來促使運動神經系統更靈敏，能發出更強烈的沖動。兩者相互促進，你就越跳越高。然而，這也是難點中的難點，沒有超強的動機，運動神經系統就沒有超強的沖動，一切所謂的科學化、現代化、管理、訓練方法和手段全是廢話。最后，祝你夢想成真。

另：

先天很重要,美國最著名縱跳訓練計劃, 練成預計縱跳能力可以提高20到30厘米以上, 鍛煉過程很辛苦, 整個過程要15個星期.對于每個動作項目，如果一種動作要作3組，組與組之間休息不能超過2分鐘，若完成了，需直接做下個項目，記住不要休息！

第一項：半蹲跳

1、開始時，半蹲至?的位置，雙手放置于前，2、向上跳離地面最少20到25cm。（若你覺得容易的話，你可以跳至25－30cm）。當在空中，你的雙手需放在后面。著地時，完成一次。

接下來，只需重復以上步驟！！

迅速提高彈跳力訓練教程2 第二項:抬腳尖（提踵）

1．首先，找個梯級或一本書來墊腳，然后只把腳尖放在上面，腳跟不得著地或墊著

2．腳尖抬到最高點

3．再慢慢放下，完成一次．．雙腳完成，完成一個組.迅速提高彈跳力訓練教程3 第三項：臺階

1.找張椅子來, 把一只腳放上去,呈90度

2.盡全力的跳開, 在空中換腳,在放在椅子上，3.重復2,將原起跳的腳放回椅子上,完成另外一跳。

迅速提高彈跳力訓練教程4 第四項：縱跳

1.雙腳放直, 與肩同寬,“鎖緊”你的膝蓋...2.只用你的小腿跳, 只能彎曲你的腳腂, 膝蓋盡量不彎曲...3.到地時,再迅速起跳,完成一次...這一項很難, 你可用你的手幫助起跳...迅速提高彈跳力訓練教程5 第五項：腳尖跳

1.將腳尖抬到最高點，2.用腳尖快速起跳, 跳時不得超過1.5 或2.5cm

蛙跳練習是必要的，對于彈跳力的提高有一定的幫助，因為畢竟這是訓練力量的一個途徑。除此之外，還有其他的一些方法。

第一種方法，是最有效的，也是難度最大的，可以讓你在短時間內提高彈跳。具體做法：挖個坑，大概一米左右深。你的腿上綁好5斤的沙袋，跳入坑里。試著在負重的情況下從坑中躍出。半個月后，將坑挖深20公分，而負重增加2—3斤，繼續練習。如此循環，最后到了不能再負重、也不能從坑里躍起的時候，練習就到此為止。解除負重，再試試看能跳多高。

第二種方法，效果不是很明顯，但是容易實施。具體方法：腳踝上綁上橡皮筋，原地縱跳。每日練習半小時。但是我感覺，這種方法效果不明顯。

祝你好運，未來的體育明星！

要發展爆發力，必須增大肌肉的收縮力量和工作距離，縮短工作時間，力量訓練時，要以小負荷的機械作快速運動，在不降低速度的情況下，逐步增大負荷提高肌肉收縮力量。剛才說的使用“背負投”的技術動作摔倒對手，主要是靠肌肉的收縮力量增大爆發力。力量的增大能增強對技術的控制能力，所以在平常訓練中，不但要在技術上下功夫，而且還要特別在增如爆發力、提高肌肉收縮速度上下功夫。實踐證明，高強度的爆發力是提高成績必不可少的因素。那么怎樣提高爆發力呢？

（一）變換負荷與速度。

（二）加強專業技術訓練，提高肌肉的控制能力和動作發力前的放松能力。

（三）肌肉的初長度，只有拉長的肌肉收縮時才有更快的速度和力量。

（四）力量練習后的放松練習。在爆發力的因素中，力量起主導作用，因此力量的增長有助于爆發力的發展。但力量絕不等于爆發力。就是說實戰中并不是有力量就能把技術運用好。一個柔道運動員的爆發力，必須通過基本力量與速度、技術，靈敏度協調的結合起來，才能發揮。有的人可以舉起相當重的杠鈴，但一摔跤就不行了，具體說是缺乏專項力量。柔道運動員對抗時，既要力量，又要速度，還要耐力，我們的一些運動員感到力量上不差，關鍵是專項能力和快速力量差。在今后訓練中要重視在一盤力量轉移到專項力量的基礎上提高專項力量。

發展力量應注意的問題：

（一）負荷。事實說明，只有在一定重量條件下進行力量訓練，才可能使力量 增大，并且力量訓練中采用的負荷不同，其效果各異，因此，在訓練中因人而異，合理安排負荷。

（二）超量恢復。運動中大量能量物資消耗，運動停止，分解代謝居次要地位，能量物質合成開始恢復并超過原來體內能量物質含量。

（三）訓練間隔。實踐證明，力量訓練以隔最好，因為力量增長速度快，停止訓練后消退也快。

（四）年齡與性別。同一個人的力量訓練，在不同年齡時期反應不同，男女力量值的大小也有很大差別。

無論男女，只要堅持進行力量訓練，對保持和發展力量素質有良好的效果。

中鋒（Center），顧名思義乃是一個球隊的中心人物。籃球比賽陣容中的一個位置；一般都由隊中最高的球員擔任，傳統上強調籃下的防守，以及防守板球的保護。由于具有身高的優勢，一些具備進攻天份的中鋒球員也常常成為在禁區附近投籃得分的主要進攻點。籃球中鋒應有的功底

近年來的中鋒球員，技巧上越發模糊接近大前鋒，而大前鋒反而顯得有一些中鋒 技巧出現，這是現代籃球球員一人多位置或者稱之為多人從事一位置的一種趨勢。擺 脫了這些時代性的趨勢，僅僅從中鋒球員的技術角度說一些必須掌握的能力：

一，防守和籃板：在傳統籃球范疇中，中鋒可以不會進攻，但是必須在防守上 掌握整個內線。作為防守防禁區內的最后一道防線，中鋒需要能夠單兵頂防進攻方中 鋒的進攻，還需要在隊友漏人對手外圍球員突破情況下的補防封蓋。既需要單兵頂防 對手中鋒，又需要補防，這兩項任務的技術要求就是中鋒球員在判斷對手進攻的最后 落位上必須相當老練，而且需要快速的移動和熟練的站位技巧。如果說一般的手防守 球員的壓力是1的話，那中鋒球員的防守壓力就是1.5以上，只有防守技巧嫻熟的中鋒 球員才可能保障自己不會過快犯規次數上升；

二，背對籃進攻技巧：傳統籃球中，中鋒與大前鋒的一大特點便是進攻方式迥 異，大前鋒背對籃接球轉身后面對籃進攻不在少數，而中鋒則更注重利用身高體重背 對籃壓制對手的技術。正因為中鋒球員的腳步可以配合身高體重，這往往讓中鋒球員 的進攻動作上，很少會遭受到封蓋。而所謂“背對籃”這三個字，付諸球場上，就代 表了背對籃壓進禁區轉身投籃技巧；運球走中路小勾手技巧；以及帶球過程中一旦遭 受到防守包夾第一時間尋找外圍隊友的傳球技巧；

三，高位能力：在傳統籃球的中鋒球員身上，經常性可以看到高位站樁接球的 現象。對于中鋒而言，如果具有高位能力，可以把防守方大個子球員吸引到罰球線附近，這樣有利于己方隊友無球跑動殺入禁區，而不會遭受到封蓋干擾。中鋒的高位能 力，便是在站樁高位接球后，如果對手不防到外線時候，用于直接投籃的必須技巧，只有堅實的射籃技巧，才可以保障高位的牽制作用；

四，遠距離傳球技巧：因為防守戰術上中鋒往往是最接近籃筐的球員，他獲得籃板的機會較一般球員要來的多。而中鋒球員大多數身高體重都是球場上最高大的，這令他的視野相對占到優勢。中鋒球員搶到籃板后，第一時間關注自己隊友是否已經 發動無球快攻到對手半場，而如果已經有隊友在對方半場有利進攻位置，就需要中鋒球員直接把球員距離傳送到前場隊友，而不必重新交給控球后衛延誤瞬間的戰機。因 而，長傳滲透同樣是中鋒球員必不可少的技巧之一。

在籃球場上，千變萬化，中鋒已經不再是一個具體球員的名詞，而是一種技戰術 的代名詞。不過，萬變不離其宗，準備用中鋒的能力去完成中鋒的作用，上述幾項最基本的技巧必不可少。籃球中鋒技巧

籃球中鋒技巧：中鋒（Center）是一個球隊的中心人物，憑借其強壯、高大的身體，無論進攻還是防守，他們都是球隊的樞鈕，故名之為中鋒。作為禁區內的“擎天柱”，搶籃板球是中鋒必不可少的能力。此外，封堵阻攻、蓋帽也是中鋒必備的能力。由于本隊進攻時自己常處在禁區中央的樞紐位置，所以中鋒應該具有不錯的導球能力，能將球往較合適的位置輸送，助攻隊友得分。以上三項，是中鋒應具備的基礎技能。當然，得分也是中鋒應盡的職責，他們是主要的內線得分者。中鋒的命中率應該比大前鋒更高一些。一名好的中鋒必須多才多藝，不但要有足夠的得分技巧用于進攻得分，防守時還要能成為球隊的最后一道屏障，除了守好自己盯防的球員，中鋒還要能夠協同協同和及時為隊友的防守補位。現代籃球打法中有一種新的中鋒戰術，就是所謂的“外線中鋒”。此種中鋒需要在進攻時主要到外線投籃得分，而少做禁區內的進攻。由于用其他球員防守身材上差異太大、效果不佳，因此防守方只能讓本隊中鋒也到外線去盯防對手。如此一來，進攻方就可以利用對方中鋒不在禁區的機會，讓本隊能力強的前鋒或后衛隊員瘋狂得分。當然，“外線中鋒”只適用于進攻，防守時與一般中鋒的打法無異。

中鋒原地向后投籃

一、運用時機：

1、當中鋒球員背向球籃雙手接球時，在遇到對方緊逼防守情況下，可直接向后投籃出手；

2、當中鋒球員背向球籃雙手持球時，已運用轉身投籃或跨步勾手投籃無從出手時，可選用原地向后投籃；

3、當中鋒球員背向球籃持球時，可結合假動作，如利用上身左右虛晃或轉身假動作迷惑對方時，向后上方出手投籃。

二、動作方法：（以背向正對球籃為例）當中鋒隊員在禁區內落位，接到同伴的傳球后，兩腳前后或左右開立，兩膝微屈。當對方隊員在背后緊貼防守時，兩肘接球自然下垂，目視本方球籃的中點，兩臂向后上方伸展，雙手用力均勻的將球投出。

三、技術要點：中鋒隊員應以背部來感覺對方防守的情況，眼視本方球籃（假設兩球籃為一條線），根據自己所處對方球籃的距離和角度來估量自己投籃出手的力量和確定弧度。投籃時雙手用力要均勻，身體要協調一致。

四、優點：動作簡單易學、出手突然，投籃隱蔽不易封蓋，對方防不勝防，是“以小打大”、“以靈制大”的一種攻擊性很強的技術。

五、不足：投籃命中率不如面向球籃或側向球籃投籃高。需有意識地加強訓練。中鋒隊員背向球籃接球后應注意與同伙相互配合，尋找進攻機會和進攻手段，切勿為了表現自己而盲目運用背向球籃原地向后投籃。但相信“熟能生巧、巧能生智”，對向球籃原地向后投籃技術大家不防也試試。中鋒的幾種動作要領及注意事項

1.反手投籃

動作方法：以從球籃右側底線突破，到左側投籃為例。步法與籃下單手肩上投籃相同。第一步要大，第二步要制動向是起跳，控制沖力，同時上體稍向后仰，抬頭看籃，將球由胸前直接向球籃方向上舉。當右臂快要伸直時手腕沿小指方向向內捻轉，用小指、無名指、中指、食指撥球，使球向側后旋轉碰板投籃。

2.勾手投籃

動作方法：以運動員橫切至籃下接球用右手投籃為例，右腳跨出接球，同時用力側蹬，接著左腳向籃下跨出一大步，身體重心下降，上體向左側傾斜，左腳用力蹬地起跳，右腿屈膝上提，右手持球由胸前經體側向上做弧形擺動，舉球到頭側上方最高點，同時目視球籃用手腕和手指力量使球碰板投籃。

動作要點：兩腳用力垂直跳，騰空放松平衡好，舉球頭上要穩定，出手時機掌握巧。

3.蓋帽

進攻隊員投籃或上籃時，當他將球舉到最高點或球剛離手的一剎那，防守隊員立即跳起將球打落，稱為“蓋帽”。

蓋帽動作方法 蓋帽前要降低重心，迅速以短促的移動選擇有利的位置起跳。蓋帽時要判斷好對手起跳和投籃的時間，當對手起跳投籃時，防守隊員立即跟隨時起跳，身體和手臂充分伸展，當對手舉球最高點或球剛出手一剎那，迅速用離對手近側的手腕、手指力量向側或向前點撥球。

4.運球上籃時的蓋帽練習

進攻隊員成一路縱隊站在罰球延長線的邊線上，一人在籃前防守，進攻隊員運球上籃，防守者移動選位，看準時機起跳封蓋。投籃后進攻隊員將球傳給下一隊員。防守者連續練習蓋帽一輪后，調換一人練習。

要求：蓋帽前要判斷對手起點，及時移動起跳，封蓋時要向上伸展手臂撲球，或干擾投球弧線，避免身體接觸而造成犯規。

5.原地蓋帽練習

二人一組，一對一，進攻隊員可原地跳投，也可運一步球急停跳投。防守者判斷進攻者動作，當對手起跳投籃時，防守者及時舉手封蓋干擾。練習數次后互換攻守。

第四篇：后衛的造句

后衛拼音

【注音】： hou wei

后衛解釋

【意思】：（１）軍隊行軍時，派在后方擔任掩護或警戒的部他。（２）籃球、足球等球類比賽中主要擔任防御的隊員。

后衛造句：

1、后衛把球高高踢出防守區。

2、后衛搶到籃板彈回的球。

3、在比賽的最后5分鐘，教練讓一名后衛換下了一名前鋒，想把1∶0的比分保持到終場。

4、約翰在這個隊打后衛。

5、他的膝蓋問題可能一直會這么讓人擔心著，但是如果他從手術中堅持過來了，我們就沒有理由說他不能在未來的六七個賽季里成為聯盟前三的得分后衛。

6、溫格不想對薩尼亞的紅牌進行申訴，但是他很關心的是他的右后衛在最近幾周的比賽中成為一些魯莽的犯規的受害者。

7、這名偉大的后衛還獲得1964年的英格蘭足總杯和1965年的歐洲優勝者杯，而在1975年，他所在的富勒姆隊輸給了他之前也曾效力過的西漢姆聯隊。

8、如果你是個小個后衛，那么當心了，史密斯會把你的每次投籃都扇得老遠。

9、“有人說我們是吵鬧的鄰居，”曼城右后衛邁克理查德說。

10、我希望他的職業生涯可以重新煥發光彩，因為幾年前我就覺得他是本國最佳的后衛之一。

11、他的一生都貢獻給了籃球，年輕時他是芝加哥公牛隊的全明星后衛，后來他在猶他爵士隊的場邊兢兢業業，希望幫球隊獲得勝利。

12、他可能不是個真正的組織后衛，但是誰在乎？

13、這一對抗很類似于在左路活動的羅納爾多與出任右后衛的埃辛在2008年冠軍聯賽決賽的對抗。

14、同時，后衛丁錦輝傷愈重返賽場。

15、大家都知道他是一名出色的球員，所以，在這場比賽中，我們四名后衛至關重要。

16、只要托雷斯能夠保持健康狀態，而不像在利物浦時一樣被傷病困擾，那么對方的后衛就不得不分外提防。

17、他們都有相同數量的得分后衛了。

18、而且，喬丹打球的年代，沒有太多有出色進攻技巧的得分后衛。

19、弗格森現在只能把菲爾·瓊斯和瓊尼·埃文斯當成下周一客場挑戰熱刺的后防核心使用，然后再把司馬林放在右后衛的位置上。

20、這使得經理羅塞耳思雷德必須做一個頭疼的抉擇，在兩個主力中后衛缺席的情況下相信租借來的安德魯.瑞和亞侖.布朗。

21、利物浦的唯一一筆重要收購格倫·約翰遜表現出了不錯的進攻才能，但這名右后衛在迎戰泰國時腳踝受傷并缺陣了新加坡之戰。

22、因為周中對陣曼城的比賽中因為和巴布羅·薩巴萊塔的沖突，這位法國后衛從周六開始為期三場的停賽。

23、這也是個事實，對于年輕球員來說得分后衛始終隊伍中最薄弱的一環。

24、我們整場比賽都很有連續性，而且我覺得我們都很關注防守，從前場的選手到后場的后衛。

25、但是我們的兩名后衛依然像邊鋒一樣進攻。

26、這位藍軍的右邊后衛有著豐富的經驗，他為俱樂部出場171次——包括歐洲賽場上18次。

27、阿森納后衛默特薩克透露他與新隊友在溝通方面存在問題。

28、我想把他放在四個后衛前面的位置。

29、群毆場面被被業余人士的相機錄下，并在全世界廣泛傳播。在視頻中，一名八一隊球員似乎把對方后衛亞倫·鮑恩推出隔板，坐在他身上用拳頭猛擊。

第五篇：籃球核心后衛的培養和訓練教育論文

摘要：隨著現代籃球運動日趨高水平、強對抗、高空爭奪和更加激烈的發展趨勢，盡快提高我國籃球運動水平，我國籃球界近年來實行了多項重大改革。隨著俱樂部制的實行，外援引進和國內人才流動以及競賽制度和方法的改革，我國籃球運動水平有了較大幅度的進步。核心隊員無論身高、技術水平戰術意識、思想修養、組織能力等均有不同程度的提高。核心后衛隊員雖注意了身高的選材，但技術與國外的強隊比較仍然差距較大，這也是我國籃球運動落后的一個重要因素。為了適應現代籃球運動的發展，必須迅速提高我國核心后衛隊員的水平，這已成為我國籃球運動趕上世界先進水平的重要課題。本文論述了現代核心隊員的技術;目前我國籃球核心隊員的現狀與世界先進水平的差距;核心隊員的必備素質以及核心隊員的培養，為在籃球運動實踐中培養現代核心隊員提供理論參考。核心后衛是貫徹執行作戰方案、鼓舞斗志、團結全隊奪取比賽勝利的組織和指揮者，對比賽起著至關重要的作用。因此，對核心后衛的培養與訓練，應當更加引起我們的足夠重視。

關鍵詞：籃球;核心后衛;素質;培養;訓練

1、前言

籃球是一項緊張、激烈、快速、對抗性很強的競賽項目，比賽雙方為了奪取勝利，必須做到知己知彼，揚長避短，并根據實際情況部署戰略戰術，制定作戰方案。核心后衛是貫徹執行作戰方案，鼓舞斗志，團結全隊去奪取勝利必不可少的組織者和指揮者。因而，培養一位有能力、稱職的核心后衛，是一支球隊建設發展的重要組成部分。

2、研究方法

文獻資料法：查閱了大量與籃球核心后衛專業相關的文章和調查報告。

3、討論與分析

3.1核心后衛的作用

3.1.1籃球比賽不僅是比技術、比戰術、比體力，同時也是比思想、比作風、比意志、比團結的集體項目。在激烈的比賽中，比賽雙方為了戰勝對方不時地給對方制造矛盾，擾亂對方心理。隨著比分起落，要想取得比賽的勝利，全隊必須協調一致，充分發揚場上每一個隊員的作用。但只靠教練員場外布置和有限的指揮范圍是不行的，而主要依靠場上的核心后衛組織和指揮，核心隊員就應隨時觀察了解彼此情況，識破對方的策略意圖，統一本隊的思想和打法，并有號召力、凝聚力、鼓舞斗志，采取有效的措施，爭取主動。

3.1.2籃球運動中核心后衛是球隊中起主要作用的人物，是場上戰術的組織者和指揮者，稱為球隊的靈魂、隊中的骨干和教練員的得力助手。在場上努力貫徹教練的意圖，組織隊員積極執行作戰方案，及時發現場上問題，與教練員保持密切聯系。核心后衛有廣闊的視野，敏銳的觀察力，準確的判斷力和靈活果斷的處理能力。在激烈的比賽過程中能夠及時迅速地發現機會和問題，當機立斷采取對策，及時變換戰術打法，協調全隊，抓住有利戰機，把握好比賽的主動權，扭轉不利局面或繼續擴大戰果，直至戰勝對手。

3.1.3核心和衛作為場上的組織者，他的作用就更加明顯突出。必須帶頭樹立必勝的信心，發揚頑強拼搏的精神與“勝不驕、敗不餒”的作風。核心后衛首先要有戰勝困難的勇氣和決心，而不要埋怨和指責隊友，始終如一，熱情鼓勵、積極幫助、團結協作。不論在比賽多么激烈，緊張的情況下，都能保持頭腦清醒，越是困難的時候，越要沉著、冷靜、果斷，發揮自己的智慧和才能，給同伴增添勇氣，穩定軍心，堅定全隊的信心。以積極主動的態度，百折不撓的意志去戰勝困難，奪取最后的勝利。

4、核心后衛的必備素質和條件

4.1核心后衛的重要作用是在隊中應起表率作用，有較高的思想覺悟，工作作風良好，技術水平較高，心胸寬廣，待人誠懇，虛心好學，能做全隊的知心人并在隊中樹立威信，能調動全隊的積極性，并能正確處理個人與集體的關系，謙虛謹慎，不驕傲自大，盛氣凌人，勇于承擔責任。

4.2核心后衛既是戰斗者，又是指揮者，必須頭腦清晰、精明靈活、反映快。從神經特點要求，應具備分配與集中相結合的特點。“分配型”性格活躍，善于接受新事物，觀察問題全面，善于與同伴配合，但往往堅持性差，“集中型”則反之。因此，“分配型”較適合，但必須培養具備“集中型”的優點，兩者兼備最為理想。

4.3核心隊員必須要有良好的身體素質，素質是掌握技術、戰術、發展高難度技巧的基礎，是進行對抗拼搏的本錢。只是具備良好的跑跳能力、力量強、靈敏、反應快的隊員才有可能掌握高超的技巧，充當核心隊員的重要角色。

4.4核心后衛必須要有較高的文化知識，這樣才有可能掌握理解專項知識，不斷總結探索專項理論的發展，吸收新信息，積累籃球比賽的經驗和意識，了解其規律，才能采取正確有效的解決辦法。知識可以使核心后衛豐富頭腦和富有指揮的智慧和才干。有了文化知識，去學習運用辯證法、邏輯學、心理學、生理學等就容易理解、容易借鑒，這些對提高指揮技術起著重要作用。

4.5核心后衛必須有主見，有毅力，有氣魄，有號召性，有指控能力。在訓練中能夠以身作則，高標準，嚴要求，善于克服困難，自覺訓練。在比賽中會遇到各種干擾和刺激，核心后衛應該作風頑強，臨場勇敢、堅定、沉著，意志品質頑強，能控制自己的感情，鎮定自若，任何急躁、蠻干、消極失望、泄氣的心理變化反映在核心后衛身上，都會影響全隊的情緒和士氣，導致比賽的失敗。在勢均力敵的情況下心理穩定性將是取勝決定因素，因此核心隊員的認知能力，感知運動的反應和起動能力，注意力合理分配與操作思維的合理性，均應比其他位置隊員的居優。

4.6核心后衛必須掌握全面熟練的戰術、技能，在比賽關鍵環節，發揮自己的才能。主要掌握以下幾種技術：

4.6.1運球：運球是組織后衛掌握球的能力，主要表現在運球技術上。從快攻、陣地進攻、調整位置、組織配合、強行突破，不僅是發揮個人攻擊能力的重要手段，而且是組織集體配合，創造機動，靈活多變打法的基礎。

4.6.2傳球：傳球是場上隊員相互聯系的重要手段，是指導全隊組織進攻配合的紐帶，是團隊意識的具體體現。一切配合都必須通過傳球來完成。因此核心后衛必須掌握熟練、隱蔽、準確、快速、及時、變化莫測的各種傳球技術。

4.6.3防守：防守是阻止對方得分的重要手段和取得勝利的保證。好的防守技術，不僅能創造反擊的機會，而且能帶動全隊作風，提高士氣，增強取勝信心。核心后衛不僅要防住自己的對手，還要進行協防，組織本隊防守，彌補本隊防守中的薄弱環節和“漏洞”，破壞對方進攻配合，及時發動反擊，組織本隊進攻。

4.6.4攻擊能力：核心后衛不僅是一個優秀的助攻手、運球手和傳球手，而且還應是一個強有力的攻擊得分手。在隊員進攻受阻時，也可以利用自己最有效的突破方法打亂對方的防守陳勢，取得較好的效果。

4.6.5中遠距離投籃：準確的中遠距離投籃是核心后衛必備的得分手段，也是打開進攻局面的得力武器，場上每個隊員都應該對防守隊員具有—定的威脅能力，核心后衛也不例外。如果只能傳、運，不能得分的核心就不是一個全面稱職的核心后衛。

4.6.6組織指揮能力：一個核心后衛必須具備組織和指揮的能力，在隊里是教練的助手，在場上是組織和指揮者，指揮能力的強弱直接影響比賽的戰機。因此一個好的核心后衛必須全面。

4.7核心后衛應具備以上幾種技術之外，還應具備控制變化能力，在緊張、激烈的比賽中，要隨時根據局勢變化，隊員思想情緒和技術發揮等情況。并迅速變換戰術打法，抓住有利機會，控制場上局面。因此一個理想的核心后衛不僅具備高超的球技，還要處理好各種辨證關系如：攻與守、主與次、快攻與陣地、內線與外線、時間與比分、個人與集體、局部與整體、變與不變、主動與被動的轉化等等，而且還要善于用自己的語言，眼神，手勢和合理的戰術，審時度勢地指揮，協調全隊的行動。

5、核心后衛的培養與訓練

5.1首先在選材方面，要注意同等條件下，力求核心后衛的身高，向培養快、靈、活技術全面的后衛發展具有掌握技巧的能力和靈活多變的戰術應用。

5.2核心后衛不能單純追求身高，重要的是在訓練上要加大難度和強度，彌補薄弱環節。在比賽中要有勇猛頑強的拼搏作風，良好的身體素質發揮穩定的技術程度，敏銳的判斷，嫻熟的傳、運、突、分的技術，讓他(她們)的智慧、毅力和汗水鑄造出過硬的本領。

5.3要進一步加強中遠距離投籃訓練，提高核心后衛三分球命中率，擴大得分點，并能利用合理的技戰術，“只傳球，不能得分”那對方就會放棄你去防守他人，這就給同伴進攻增加了困難。拉不開防區，也不易組織有效配合打不出戰術。因此，核心后衛應很好掌握中遠距離投籃的命中率，把中遠距離投籃與突破技術結合起來，組織全隊有效發揮技術水平。

5.4訓練中注意安排針對性的專門訓練，進一步提高強化核心后衛在高速，激烈對抗，及嚴密防守情況下利用急起、急停、變向、變速巧妙的假動作，擺脫對手接困難球的能力。重要的是在擺脫對手的同時，應掌握好位置、時間、與同伴的配合默契。

5.5我國核心后衛在傳球技術上與國外核心后衛差距仍然很大。各類巧妙的傳球方法較少，仍以外圍橫傳、原地傳球為多見。應加強不同位置、不同距離、傳球力量、不同角度、出手時間、飛行速度和弧線高低各不相同的體側、背后跨下、腦后等各種方法的左右手隱蔽傳球技術訓練。并能在比賽中結合廣闊的視野，敏銳的觀察能力，精確的判斷和傳球假動作合理運用，力求點多面廣，不斷提高核心傳球技術也應加強和培養特長技術訓練，反映個人特點、有較強攻擊力和實效性的“絕招”同時還要加強組合技術和特長技術相結合，更快提高全隊實戰能力。

6結論

核心后衛在比賽中起到十分重要的作用，核心后衛要組織好場上隊員和貫徹執行教練的作戰方案，鼓舞斗志、團結全隊，去奪取比賽勝利不可少的組織者和指揮者。但同時在培養核心后衛時要注重幾方面的要求如：運球、傳球、防守、攻擊能力、中遠距離投籃、組織指揮能力等。好的核心后衛必須具有全面的綜合能力才能使運動水平得到提高。

參考文獻

[1] 陳國瑞.試論現代籃球全面型核心后衛的能力及其培養[J]北京體育大學學報.1995.(增刊).[2] 譚朕斌.我國籃球核心后衛隊員的培養.北京體育師范學院學報.1996.[3] 高文海.明星隊員的培養.北京體育大學學報.1995.(增刊)

[4]楊建國.試談核心后衛的攻守問題.體育科研 1994(3)

[5]黃頻捷.我說核心后衛.籃球.1994(1)

[6]葉國雄.陳樹華編.籃球運動研究必讀.北京人民體育出版社.1993

[7]張三璋等 籃球運動核心后衛的優化模式與培養 北京體育大學學報 1995(增刊)