32 lines
1.4 KiB
TeX
32 lines
1.4 KiB
TeX
\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
|
|
|