98 lines
4.1 KiB
TeX
98 lines
4.1 KiB
TeX
experiments
|
|
|
|
|
|
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
|
|
|
|
modell direkt fuer den gelaufenen pfad optimiert (also wirklich jede wifi messung direkt auf den ground-truth)
|
|
der fehler wird zwar kleiner, ist aber immernoch deutlich spürbar. das spricht dafür, dass das modell einfach nicht
|
|
gut geeignet ist.
|
|
|
|
outdoor fehler kann gemnindert werden mit z.B.
|
|
nicht nur die APs nehmen die ich sehe, sondern auch die, die ich sehen müsste
|
|
dann wird klar, dass es nicht gut passt. allerdings ist das auch gefaehrlich
|
|
[nicht immer tauchen alle APs im scan auf] und welchen fehler bzw. welche
|
|
dBm zahl nimmt man fuer fehlende APs an? das ist eine hardware-frage.
|
|
|
|
ein workaround fuer steigende fehler durch optimierung koennte sein,
|
|
dass man nicht jeden AP einzeln optimiert, sondern das gesamtsystem.
|
|
und auch nicht den dB fehler, sondern 'die wahrscheinlichkeit an dieser stelle zu sein'
|
|
bzw: 'die wahrscheinlichkeit aller anderen positionen minimieren' dass keine
|
|
fehl-positionierungen [wie outdoor] mehr stattfinden. allerdings ist das
|
|
problematisch da man auch hier entscheiden müsste wann ein AP nicht mehr
|
|
sichtbar ist etc.
|
|
|
|
walk1 hat eine issue kurz bevor man zur tuer zum hoersaalgebaude reingeht
|
|
je nach resampling killt dieser wlan error evtl alle partikel!
|
|
|
|
|
|
optimierungs input: alle 4 walks samt ground-truth
|
|
dann kommt fuer die 4 typen [fixed, all same par, each par, each par pos]
|
|
log probability 50 75, meter 50, 75
|
|
|
|
path1
|
|
31.8|38.9 7.8|11.6
|
|
27.3|36.8 7.2|9.8
|
|
24.0|30.3 5.8|10.24
|
|
22.9|29.9 5.0|7.6
|
|
|
|
hoherer fehler weil mehr outdoor anteil
|
|
path2
|
|
32.0|42.4 12.6|20.9
|
|
28.4|35.2 10.1|16.1
|
|
27.0|34.0 7.0|10.1
|
|
25.4|33.3 8.0|17.2
|
|
|
|
|
|
je mehr outdoor, desto schlechter wird es.
|
|
outdoor schadet auch der optimierung
|
|
outdoor schadet mehr als indoor, weil das wifi modell fuer indoor noch halbwegs passt
|
|
aber fuer outdoor so garned
|
|
|
|
|
|
fenster sind metallbedampft und schirmen stark ab
|
|
siehe beispielgrafik
|
|
|
|
gps wird so schnell nicht warm, versagt denn auf dem hof als hilfestellung
|
|
|
|
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
|
|
|
|
|
|
\input{gfx/compare-wifi-in-out.tex}
|
|
starker einfluss der glasscheiben.. 3 meter nach dem AP ist nur noch sehr wenig uebrig
|
|
|
|
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
|
|
walks schon recht dicht beisamen sind, kittet das das ganze sehr gut.
|
|
kann man testen, indem man z.B. weniger resampling macht und mehr alte partikel aufhebt.
|
|
geht sofort kaputt sobald man aus dem gebäude raus kommt
|
|
|
|
signalstaerke limitieren, wie : alles was im model oder scan < -90 ist, wird auf -90 abgeschnitten hilft
|
|
zwar an manchen stellen, im groben und ganzen führt es aber eher zu fehlern als zu verbesserungen.
|
|
zudem ist zu erwarten, dass diese zahl stark vom geraet/hardware abhaengt
|
|
|
|
jeweils beim weighting die niedrigste wifi probability weglassen [je nach particle also ein anderer AP]
|
|
bringt auch nicht immer was.. killt gelegentlich floor-changes. zudem stehen am ende nur sehr wenige
|
|
APs zur verfügung. da einen zu ignorieren, macht noch mehr kaputt
|
|
|
|
auch ein versuch wie werfe alle APs aus dem handy-scan weg, die kleiner -90 sind, birgt die selben risiken
|
|
es scheint wirklich am sinnvollsten, die scan-daten einfach 1:1 zu nehmen wie sie sind
|
|
|
|
|
|
kurz vor ende von path 2 will die estimation nicht in die cafeteria, weil ein paar particle
|
|
die treppe richtung h.1.5 hochgehen und durch das wlan sehr sehr hoch gewichtet werden.
|
|
die mittelwert-estimation versagt hier
|
|
|
|
|
|
\input{gfx/wifi-opt-error-hist-methods.tex}
|
|
|
|
\input{gfx/wifi-opt-error-hist-stair-outdoor.tex}
|
|
outdoor hat insgesamt nicht all zu viel einfluss, da die meisten APs
|
|
an den outdoor punkten kaum gesehen werden. auf einzelne APs kann
|
|
der einfluss jedoch recht groß sein, siehe den fingerprint plot von
|
|
dem einen ausgewählten AP
|
|
|
|
wenn noch zeit ist: wie aendert sich die model prediction wenn man z.B. nur die haelfte der referenzmessungen nimmt?
|