羽毛球女子单打运动员山口茜的技术特征研究

来源 :陈丹丹 | 被引量 : 0次 | 上传用户:hhzj1015
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文的研究目的是通过对山口茜的发接发技术、前场技术、中场技术、后场技术进行研究,为国家女子羽毛球队提供对战山口茜时的理论依据。本研究运用文献资料法、录像观察法、数理统计法和对比分析法等研究方法,选取世界排名前五的四名世界优秀女单运动员各五场国际比赛,共20场的国际比赛视频,使用单因素方差统计方法,将山口茜对阵四名优秀女子单打运动员的发接发技术,前场技术、中场技术、后场技术的数据进行对比研究;通过山口茜对阵四名优秀女子单打运动员时技术使用情况,总结归纳出山口茜的技术特征。得出以下结论:1.山口茜在发球阶段发球技术多变,并且在面对不同对手时根据对手的变化进行发球技术选择的变化。在面对日本同胞奥元希望时主要限制奥元希望后场区域。2.山口茜在前场接发球时通过搓放技术和推挑技术取得较好的效果,根据面对的对手不同在接发球的技术使用上也会相应变化。山口茜在对阵因达农时限制前场区域为主;但是在对阵戴资颖时接发球使用推挑技术将戴资颖调动至后场区域比例高,减少戴资颖在前场使用假动作的机会。3.山口茜在前场主要采取推挑技术加上搓放技术的使用,调动对手前后场跑动,在跑动中消耗对手体能同时寻找进攻的机会。4.山口茜在中场没有太大的差异,均是使用挡网技术过渡最多。通过挡网技术过渡重新调整比赛节奏。5.山口茜在后场以高远球技术、吊球技术、杀球技术为主,通过拉吊结合突击为主。但是在对抗因达农时,在后场积极寻找进攻机会,表现出强烈的进攻欲望。
其他文献
目的意义:复合式训练是传统抗阻力量训练与快速伸缩复合式训练相结合且组合结构多样的一种训练方法,其能有效的提高肌肉最大力量和爆发力水平。本文是通过对比单腿复合式训练和双腿复合式训练的效果,探讨其对排球专项学生膝关节的肌肉力量、本体感觉和身体灵活性、稳定性的影响,从而比较单腿复合式训练和双腿复合式训练哪种训练方法产生的训练效果更能有效降低排球专项学生膝关节损伤风险,为今后教练员、运动员和体能训练师在安
随着我国机械制造业的日渐崛起,贸易全球化程度的进一步加深,机械类产品使用说明书的英译需求也将与日俱增。其翻译质量事关产品的操作安全性及海外市场的拓展,因此,对该类型文本的翻译研究具有十分重要的现实意义。本报告基于《电镀自动线操作使用说明书》汉译英翻译实践展开研究。该翻译项目主要介绍电镀自动线设备的具体情况,内容涉及产品的配置结构、作用功能、操作须知及保养维修等等,其文本专业性强、语言措辞严谨规范。
自1993-1994年的分税制改革以来,项目制这一国家治理手段与治理逻辑,已经超出了微观层面的项目管理,渗透到社会经济的方方面面,而上升到国家治理制度、精神与逻辑。既有社区体育治理结构中基层群体部门角色的弱化与条线资金输入的低效率,使得以政府购买体育服务为主的社区体育项目成为了新时代社区体育治理的新常态。目前,项目制的研究主要集中在农村,对于城市基层社区、尤其是以基层政府购买公共体育服务为主的项目
学位
目的:观察7-13岁世居平原的普通儿童少年的心脏结构功能,对适度高原环境产生的应激与适应性变化;并探究儿童组与少年组的受试者心脏形态结构与功能对于高原环境应激与适应的区别。方法:选择18名7~13岁(男8人,女10人)世居平原儿童少年游泳爱好者为研究对象,平均年龄(10.39±2.03)岁。按照根据受试者女性是否出现月经初潮,男性是否初次遗精,分为儿童组(Children Group,CG组,n=
在室外无线定位中,当前主要采用是高精度的GPS模组,但在低功耗广域网(Low Power Wide Area Network,LPWAN)领域,很多的物联网(IOT)位置应用需要的只是粗精度的位置信息,但要求的是电池供电系统,能够达到数年的续航能力,显然GPS的高功耗难以满足实际需求。随着LPWAN的兴起,作为其中主要技术的长距离通信技术(Long Range,LoRa),由于其技术特点是低功耗、
学位
学位
舞龙舞狮是我国传统的民族民间体育运动项目,1995年中国龙狮运动协会和国际龙狮运动联合会相继成立,经国家体委批准,把龙狮运动列入全国正式比赛项目,现有世锦赛、亚锦赛、全运会、全国赛等一系列大型赛事,二十余年来,龙狮运动经过不断的规范、创新,由一项民间娱乐表演活动发展成为一项具有健身功能的竞技体育运动。随之而来舞龙舞狮赛事逐渐在我国展开,越来越多的人民群众参与到这项赛事中来。至今有关龙狮赛事研究的文
随着交通基础设施的发展,城市交通压力剧增。为了缓解交通拥堵,许多城市在市区安装了成千上万的交通监控设备,但是由于监控摄像头以固定视角进行拍摄视频,并且这些视频总是传输到监控中心,大部分通过人工分析,成本昂贵且工作实效性低。在这一趋势的推动下,迫切需要将车辆检测技术推进到网络边缘,分担网络核心的压力,同时提高网络交通管控效率。为满足这一需求,采用了无人机进行交通辅助作业,并将边缘计算与深度学习结合的