这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
基于Cam-Shift算法与卡尔曼滤波的户外可见光通信目标信号源追踪与提取方法改进研究
作者及机构
本研究由华南理工大学自动化科学与工程学院的Mouxiao Huang、Weipeng Guan（通讯作者）、Zhibo Fan、Zenghong Chen、Jingyi Li，以及电子与信息工程学院的Bangdong Chen共同完成，成果发表于2018年11月的期刊《Sensors》（DOI:10.3390/s18124173）。
研究领域与动机
该研究属于可见光通信（Visible Light Communication, VLC）领域，聚焦于户外动态场景下的目标信号源（LED）追踪与提取问题。传统VLC研究多集中于数据传输速率、室内定位等方向，而忽略了一个关键前提：在复杂户外环境中，若发射端（LED信号源）或接收端（图像传感器）处于运动状态，如何准确提取携带调制信息的LED区域。这一问题直接影响后续数据解调的可行性。
技术挑战
户外环境存在多种干扰因素（如背景光源、反射物体、运动模糊等），传统基于光电二极管（PD）的VLC系统因对光线方向敏感且抗干扰能力弱，难以稳定工作。而基于CMOS图像传感器的VLC系统虽更具潜力，但现有研究多假设图像背景纯净，未解决动态场景下的实时追踪问题。
研究目标
提出一种结合改进Cam-Shift算法与卡尔曼滤波的追踪方法，实现户外动态场景下LED信号源的高精度、强鲁棒性、实时提取，为后续通信奠定基础。
几何模型
研究构建了基于CMOS传感器的户外VLC系统模型，包含发射端（调制LED）和接收端（工业相机）。数据通过LED的光强调制传输，CMOS传感器通过滚动快门（Rolling Shutter）机制捕获包含亮暗条纹的图像。
核心算法改进
- Cam-Shift算法优化：
- 颜色概率映射：将RGB图像转换至HSV空间，提取H分量直方图生成颜色概率分布图，减少光照变化干扰。
- 自适应窗口调整：根据前一帧结果动态更新搜索窗口的位置与大小，结合目标颜色与空间分布特征。
- 卡尔曼滤波融合：
- 预测下一帧目标的运动状态（位置、速度），在遮挡或相似颜色干扰时直接使用预测值作为测量更新，提升鲁棒性。
- 状态向量设计为四维（位置坐标x/y、速度分量vx/vy），噪声模型假设为高斯白噪声（WGN）。
实验系统搭建
- 硬件配置：
- 发射端：STM32开发板驱动LED（白光/绿光/蓝光/红光），模拟交通信号灯。
- 接收端：搭载工业相机（MV-U300，分辨率800×600，帧率46 fps）的ROS机器人，模拟动态车辆。
- 干扰场景设计：包括遮挡、相似颜色LED干扰、阳光反射背景干扰等。
数据处理流程
1. 目标初始化：手动选择首帧LED区域，初始化搜索窗口及卡尔曼滤波器参数。
2. 实时追踪：
- 计算当前帧颜色概率分布图，通过Cam-Shift迭代定位目标中心。
- 根据窗口大小变化（阈值μ、γ）判断干扰类型，切换卡尔曼滤波的测量更新策略。
3. 性能评估：
- 精度：计算追踪坐标与实际坐标的误差（总误差公式：√[(x−xᵣ)²+(y−yᵣ)²]）。
- 鲁棒性：测试算法在遮挡、相似颜色干扰下的稳定性。
- 实时性：统计单帧平均处理时间。
追踪精度
鲁棒性表现
实时性能
科学意义
- 填补了户外VLC系统中动态目标信号源追踪的研究空白，提出了一种兼顾精度、鲁棒性与实时性的通用算法框架。
- 通过融合颜色特征与运动预测，解决了复杂干扰下的LED区域提取难题，为后续调制解调提供了可靠输入。
应用价值
- 可应用于智能交通系统（如车-路通信）、移动机器人导航等动态VLC场景，推动户外可见光通信的实际落地。
（全文约2200字）