current state

tex/chapters/experiments.tex

@@ -1,5 +1,12 @@
 experiments
 
+\todo{obwohl das angepasste modell doch recht gut laeuft und der fehler recht klein wird, sind immernoch stellen dabei,
+wo es einfach nicht gut passt, unguenstige mehrdeutigkeiten vorliegen, oder regionen einfach nicht passen wie sie sollten.
+das liegt teils auch daran, dass die fingerprints drehend aufgenommen wurden und beim laufen nach hinten durch den
+menschen abgeschottet wird. auch zeitlicher verzug kann ein problem darstellen.}
+
+\todo{GPS ist leider kaum eine hilfe. entweder kein empfang wegen ueberdachung oder abschattung, oder
+zu kurz draußen um einen guten gps-fix zu bekommen.}
 
 wir betrachten nur die fest-installierten APs die man meist anhand einer bestimmten mac-range  ausmachen kann
 portable geraete von studenten, beamer, aehnliches werden ignoriert
@@ -59,9 +66,65 @@ reines wifi eval mittels num-opt springt stark durch die gegend
 d.h. das bewegungsmodell rettet uns
 kann man auch testen wenn man beim particle-filter das resampling ganz aus macht
 
+\todo{
+	we analyzed various paths throughout the whole building
+}
 
-\input{gfx/compare-wifi-in-out.tex}
-starker einfluss der glasscheiben.. 3 meter nach dem AP ist nur noch sehr wenig uebrig
+\todo{
+	mit grafik: exp-dist vergroesert teils den abstand zu anderen locations , der GT selbst wird also besser,
+	aber an anderen stellen geht dafür der fehler hoch und kann zu verlaufen führen (z.B. treppenhaus)
+}
+	\begin{figure}
+		\input{gfx/wifiCompare_normalVsExp_cross.tex}
+		\input{gfx/wifiCompare_normalVsExp_meter.tex}
+		\label{normal vs exponential}
+	\end{figure}
+
+\todo{
+	erkenntnisse:
+	
+	schlechte messwerte (niedrige RSSI) aus der messung ignorieren hilft nur sehr sehr bedingt.. eher im gegenteil. meist geht der fehler (stark) hoch
+	
+	schlechteste messung weglassen ist auch schlecht
+	
+	sigma je nach signalstärke anpassen bringt leider auch nichts. wenn man das aber macht,
+	dann: fuer grosse signalstaerken ein grosses sigma! andersrum gehts nach hinten los!
+	
+	veto funktioniert auch nicht immer. es gibt stellen da ist ein AP wegen abschattung in der realität nicht sichtbar
+	das smpartphone sieht ihn deshalb nicht, im model ist er aber fälschlicherweise da deshalb falsches veto
+	oder das smartphone sieht einen AP wegen kollisionen nicht oder weil er durch den rücken stark verdeckt wird
+	
+	es gibt einfach stellen an denen das wifi nicht eindeutig ist, die an anderen stellen quasi exakt genauso vorliegen
+	da laesst sich dann nicht viel machen
+	
+}
+
+\todo{
+	das bbox modell hat probleme an den uebergängen zwischen bboxes da dort teils starke spruenge sind
+	die nicht immer in der realität so auch vorliegen. z.B. z-wechsel machen teils probleme.
+	hier wäre ein kontinuierliches modell hilfreich bzw interpolation in randbereichen
+}
+
+\todo{
+	wenn ich beim fingerprinten einen AP an einer stelle NICHT gesehen habe,
+	ist das auch eine aussage für die model optimierung.. da kann dann sicher keine signatlstaerke > -90 an der stelle raus kommen
+}
+
+\todo{
+	wir wollen nicht, dass die position des ground-truths durch das wifi so wahrscheinlich wie möglich ist,
+	wir wollen dass die position des ground-truth einfach eine höhere wahrscheinlichkeit hat, als alle anderen punkte im gebäude
+	das pruefen wir ab
+}
+
+\begin{figure}
+	\centering
+	\input{gfx/compare-wifi-in-out.tex}
+	\caption{
+		Measurable signal strengths of a testing \docAPshort{} (black dot).
+		While the signal diminishes slowly along the corridor (upper rectangle)
+		the metallised windows (dashed outline) attenuate the signal by over \SI{30}{\decibel} (lower rectangle).
+	}
+\end{figure}
 
 ware das grid-model nicht da, wuerde der outdoor teil richtig schlecht laufen,
 weil das wlan hier absolut ungenau ist.. da die partikel aber aufgrund des vorherigen