\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.

\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