added chapters and content in bullit points for mdpi paper

This commit is contained in:
toni
2019-09-18 16:37:19 +02:00
parent e8cfce1362
commit a7ad0e346a
6 changed files with 94 additions and 14 deletions

View File

@@ -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}