added chapters and content in bullit points for mdpi paper

tex/chapters/3_ftm.tex

@@ -1,14 +1,31 @@
-\section{Fine Timing Measurement}
+\section{Wi-Fi Range Measurements}
 \label{sec:ftm}
 
+Ganz grundsätzlich zwei drei Sätze dazu. Distanzen sind gut für Lokalisierung weil... Kurz die Unterschiede der Beiden.
 
--New IEEE 802.11mc standard to measure round trip time from client to access point.
--Theory, protocol.
--Expected error behavior 
+\subsection{Fine Timing Measurement}
+\begin{itemize}
+	\item New IEEE 802.11mc standard to measure round trip time from client to access point.
+	\item Theory, protocol.
+	\item Expected error behavior 
+\end{itemize}
 
 
 FTM defines a protocol to measure the round trip time between an initiator and a responder, e.g. a smartphone based client and access point.
 For data privacy reasons the responder is always passive and only the initiator can trigger time measurements.
 
+\subsection{Received Signal Strength Indication}
+
+Klassisch RSSI mit Log Distance Modell... 
+steckt die rssi in das log distance modell und bekommt eine distanz raus. baby easy
+
+\subsection{Measurement Pre-Filtering}
+
+<zeige fehlerplots mit range messungen>
+
+wenn man sich die messungen nun ansithet, dann... argumentiere kalmanfilter über diese range messungsplots und begründe warum er die messdaten stabiler macht.
+kalman auf rssi ist erstmal nicht so klug weil kalman linear und rssi nicht linear sind. in LOS konditionen ist rssi logritmisch und in NLOS ganz was anders... nicht-linear halt 
+in den späteren evaluatieren werden wir uns aber dennoch raw vs pre-filtering ansehen, um ein bessere gefühl dafür zu bekommen was es in welcher situation bringt
+
+Filter measurements per AP with simple Kalman filter before localization
 
-