Random tex changes

tex/chapters/8_experiments.tex

@@ -13,6 +13,32 @@
 	\item die messungen kommen immer gleichzeitig von ftm und rssi. dadurch ist die sampelrate die gleiche und wir können besser vergleichen
 \end{itemize}
 
+
+Mapping zwischen AP-MAC und Position ist gegeben.
+In Android Q könnte man LCI am Ap hinterlegen um die AP-Pos dynamisch zu erfragen.
+Praktische Einschräkungen: Da Wifi Scans nur selten möglich sind, können neue FTM APs nicht leicht erkannt werden.
+AUßerdem muss per Reflection ScanResults für bereits bekannte APs MAC erzeugt werden.
+Für eine parktische Anwendung wäre es nochtwenig, dass neue APs automatisch on the fly erkannt werden können.
+
+\subsection{Ftm range meas performance}
+\begin{itemize}
+    \item AP position strategy 
+    \item DoP plot 
+    \item wieviel APs sichtbar sind, wie kommen die Ranges, welche Parameter machen was und bedeuten was
+    \item Einfluss der Wände; warum starke Abschwächungen
+    \item Welche Platzierung wäre besser; Warum nicht möglich?
+    \item Daher Proabilistic Ansatz weil viele Messungen fehlen oder stark schwanken
+    \item Mehr APs bringen was?
+    \item Bildergrid und Video
+\end{itemize}
+
+\subsection{Localization performance}
+\begin{itemize}
+    \item Location error per method (multilateration, prob, particle filter)
+    \item Wie gut geht der PF? Parameter und Szenarien
+    \item RSSI vs FTM; wo ist FTM besser wo schlechter?; Verhält es sich ähnlich?
+\end{itemize}
+
 \subsection{Results for Multilateration}
 zunächst wird das einfachste und nahliegendste verfahren untersucht um die performance von ftm und rssi gegenüberzustellen.
 
@@ -64,3 +90,9 @@ Hier vergleichen wie sich die einzelen Verfahren untereinander unterscheiden und
 \end{itemize}
 
 
+eval:
+
+RSSI 2 verschiedne sigma um zu zeigen das die Parameterwahl entscheident ist und schwer ist. pathloss 2 ist kacke pathloss 8 viel besser
+FTM einfacher weil der wand einfluss geringer ist => weniger parameter da kein Model
+=> in mehr gebäuden ohne setup nutzbar
+