log normal shadowing model
so wie log-dist modell nur mit waf. hier: fuer decken. waende werden aktuell nicht betrachtet



wie wird optimiert
a) bekannte pos + empirische params
b) bekannte pos + opt params (fur alle APs gleich)		[simplex]
c) bekannte pos + opt params (eigene je AP)				[simplex]
d) alles opt: pos und params (je ap)					[range-random]

probleme bei der optimierung beschreiben. convex usw..
wo geht simplex gut, wo eher nicht

harte WAF übergänge scheinen beim optimieren als auch beim matchen nicht so gut
gleitende übergänge mittels sigmoid wirken besser
war eine wichtige erkenntnis

die vom AP bekannte position wird NICHT als input fuer die alles-OPT funktion benutzt
die ist wirklich 'irgendwo'
 
range-random algo
domain bekannt [map groesse, txp/exp/waf in etwa]
genetic refinement mit cooling [= erst grob, dann fein]

optimierung ist tricky. auch wegen dem WAF der ja sprunghaft dazu kommt, sobald messung und AP in zwei unterschiedlichen
stockwerken liegen.. und das selbst wenn hier vlt sichtkontakt möglich wäre, da der test 2D ist und nicht 3D

aps sind (statistisch) unaebhaengig. d.h., jeder AP kann fuer sich optimiert werden.
optimierung des gesamtsystems ist nicht notwendig.

pro AP also 6 params. pos x/y/z, txp, exp, waf