added chapters and content in bullit points for mdpi paper
This commit is contained in:
@@ -1,3 +1,21 @@
|
||||
\section{Introduction}
|
||||
\label{sec:intro}
|
||||
3/4 - 1 Seite
|
||||
\cite{Ebner-15}
|
||||
|
||||
\begin{itemize}
|
||||
\item New technology ftm -> rtt usw.. wird auch schon von ersten smartphones unterstützt gibt protokoll und api's
|
||||
\item klassiches rssi ungenau wegen dämpfungsfaktren, wände usw.
|
||||
\item ftm zum lokalisieren weil laufzeit stabiler
|
||||
\item ziel dieser arbeit: vergleich von klassischem RSSI (Signal Prediction Log Distance) mit FTM im Anwendungsgebiet der Indoor Lokalisierung
|
||||
\item Wir haben: Log-Distance based RSSI + Vorgeschalteten Kalman Filter und FTM + Kalman Filter
|
||||
\item Zuerst untersuchen wir die Range-Performance
|
||||
\subitem Wer kann die Distanz zum Access-Point besser schätzen)
|
||||
\subitem Daraus resultiert auch, dass der Kalman Filter genutzt wird.
|
||||
\subitem für Indoor Lokalisierung hat das aber grdz. noch keine große Aussage.
|
||||
\item Danach untersuchen wir die Lokalisierungsperformance. (Jeweils Kalman an und aus)
|
||||
\subitem Klassische Trilateration
|
||||
\subitem Simple Probabilistischer Ansatz
|
||||
\subitem Particle Filtering Ansatz (Mit ganz einfachem Bewegungsmodell)
|
||||
\item Aufbau der Arbeit in 2 Sätzen
|
||||
\end{itemize}
|
||||
|
||||
Reference in New Issue
Block a user