update 12.02.

- einige Umformulierungen
- Diskussion unter Fazit

Thesis/README.md

@@ -11,7 +11,7 @@ Die Open-Source-Andwendung phyphox®\footnote{https://phyphox.org} ermöglich
 Aktuell fehlt es der Anwendung an einer Möglichkeit, das Smartphone im Raum zu lokalisieren. Durch die Lokalisierung kann eine Distanzmessung durchgeführt oder der zurückgelegte Weg aufgezeichnet werden. Die Implementierung einer Lokalisierungslösung würde den Umfang an möglichen Experimente somit stark erweitern. Beispiele für solche Experimente sind:
 
 - **Darstellung des Abstandsgesetz:** Das Abstandsgesetz beschreibt den Abfall der Energie von allem was sich Kugelförmig ausbreitet, als Beispiel sei hier der Schall oder das Licht genannt. Die Oberfläche einer Kugel wächst mit zunehmenden Abstand, dem Radius $r$, zum Quadrat. Die Energie nimmt somit im Quadrat zum Abstand der Quelle ab [@Harten_2012_BOOK, S. 123]. Dieses Gesetz lässt sich mit dem Smartphone in einem Experiment veranschaulichen. Hierbei kann man den Schalldruck mit dem Mikrophone oder die Lichtintensität mit dem Helligkeitssensor messen und zusammen mit der Entfernungsänderung aufzeichnen.
-- **Foucault Pendel:** 
+- **Foucault Pendel:** Anhand der Bewegung eines langen Pendels kann die Rotation...
 
 Damit diese Erweiterung möglichst viele Nutzer der Anwendung zugänglich ist, beschränkt sich die Auswahl der Sensoren auf solche, die in möglichst vielen Smartphones verbaut sind. Einer dieser Sensoren ist Bluetooth, welcher in allen gängigen Smartphones zu finden ist. Aus diesem Grund soll dieser näher betrachtet werden. In der Forschung erhält Bluetooth gerade in der Innenraumnavigation ein hohes Interesse. Aus der Literaturrecherche geht hervor, dass die Abweichung von Bluetooth zur Lokalisierung meist mehrere Meter groß ist [@Cho_2015a; @Paterna_2017]. Diese hohe Abweichung ist für die meisten Experimente nicht geeignet. Die Arbeit soll untersuchen, ob die Abweichung durch den Einsatz verschiedener Techniken auf wenige Zentimeter reduziert werden kann, um sie für Experimente nutzbar zu machen.
 
@@ -19,11 +19,11 @@ Damit diese Erweiterung möglichst viele Nutzer der Anwendung zugänglich ist, b
 
 Das Ziel dieser Arbeit liegt in der Entwicklung eines Lösungsansatzes, der die Umsetzung einer Lokalisierung zur Durchführung von Experimenten mittels Smartphone ermöglicht. Die Lösung soll dabei kostengünstig und möglichst einfach umsetzbar sein, damit sie für Schulen einsetzbar ist. 
 
-Zum Einsatz kommt ein sich selbst korrigierendes System aus Bluetooth-Beacons und Smartphone, wodurch eine Abweichung von unter \SI{10}{\percent} bei der Entfernungsmessung möglich sein soll [@Cho_2015a]. Untersucht wird, ob dieses System auch die Abweichung bei der Positionsbestimmung reduzieren kann. Der zusätzliche Einsatz verschiedener Filtermethoden und eine Kalibrierung sollen auf ihren Einfluss auf die Messergebnisse untersucht werden. Der Versuchsaufbau soll so gestaltet sein, dass er in Schulen und anderen Umgebungen leicht nachgestellt werden kann.
+Zum Einsatz kommt ein sich selbst korrigierendes System aus Bluetooth-Beacons und Smartphone, wodurch eine Abweichung von unter \SI{10}{\percent} bei der Entfernungsmessung möglich sein soll [@Cho_2015a]. Untersucht wird, ob dieses System auch die Abweichung bei der Positionsbestimmung reduzieren kann. Der zusätzliche Einsatz verschiedener Filtermethoden und eine Kalibrierung sollen auf ihren Einfluss auf die Messergebnisse hin untersucht werden. Der Versuchsaufbau soll so gestaltet sein, dass er in Schulen und anderen Umgebungen leicht nachgestellt werden kann.
 
 Der eigene Beitrag liegt darin, ein neuartiges Konzept zu erarbeiten, welches eine Distanzmessung auf der Skala eines Tischexperiments ermöglicht. Hierzu wird das System von selbst korrigierenden Beacons aus der Arbeit [@Cho_2015a] auf die zweite Dimension ausgeweitet. Entwickelt wird ein Versuchsaufbau mit selbst korrigierenden Beacons, welcher leicht nachvollziehbar ist und die Fehleranfälligkeit verringert. Durch eine, auf den Versuchsaufbau und das System angepasste Kalibrierung sowie den Einsatz verschiedener Filter soll die Genauigkeit weiter erhöht werden. 
 
-Die angepasste Kalibrierung, die Filter und die Auswirkung der selbst korrigierenden Beacons werden anhand einer experimentellen Basis evaluiert. Dabei werden die verschiedenen Bewertungskriterien der Fehlerbewertung herangezogen und die einzelnen Maßnahmen zueinander betrachtet. Um möglichst allgemeine Aussagen treffen zu können, findet die Evaluation in verschiedenen Umgebungen statt. Nicht teil der Arbeit ist die Betrachtung verschiedener Hardware.
+Die angepasste Kalibrierung, die Filter und die Auswirkung der selbst korrigierenden Beacons werden anhand einer experimentellen Basis evaluiert. Dabei werden die verschiedenen Bewertungskriterien der Fehlerbewertung herangezogen und die einzelnen Maßnahmen zueinander betrachtet. Um möglichst allgemeine Aussagen treffen zu können, findet die Evaluation in verschiedenen Umgebungen statt. Nicht teil der Arbeit ist die Betrachtung unterschiedlicher Hardware.
 
 ## Aufbau der Arbeit
 
@@ -362,7 +362,7 @@ Im Programmiermodus befindet sich der Beacon im Advertising-\ac{pdu} ``ADV_IND``
 
 ### Verarbeitung der $scPower$
 
-Zur Umsetzung eines selbst korrigierenden Systems müssen die Bluetooth-Beacon sowohl als Scanner wie auch als Advertiser fungieren. Im Versuchsmodus scannen die Beacon hierzu, parallel zum Aussenden der Advertising-Pakete, nach solche Paketen von den anderen beiden Beacon. Abbildung \ref{fig:selfcorrecting} zeigt schematisch den Ablauf des selbst korrigierenden Systems anhand der Beacon ``5b5b`` und ``690f``. Der Beacon ``5b5b`` sendet sein Advertising-Paket aus, welches von dem Beacon ``690`` empfangen und verarbeitet wird. Der Beacon ``690f`` speichert den \ac{rssi}-Wert des Empfangenen Pakets von Beacon ``5b5b`` als $scPower$ in seinem Advertising-Paket und senden dieses aus. Bei jedem erneuten Empfang eines Advertising-Pakets von Beacon ``5b5b`` wird die $scPower$ aktualisiert. 
+Zur Umsetzung eines selbst korrigierenden Systems müssen die Bluetooth-Beacon sowohl als Scanner wie auch als Advertiser fungieren. Im Versuchsmodus scannen die Beacon hierzu, parallel zum Aussenden der Advertising-Pakete, nach solche Paketen von den anderen beiden Beacon. Abbildung \ref{fig:selfcorrecting} zeigt schematisch den Ablauf des selbst korrigierenden Systems anhand der Beacon ``5b5b`` und ``690f``. Der Beacon ``5b5b`` sendet sein Advertising-Paket aus, welches von dem Beacon ``690f`` empfangen und verarbeitet wird. Der Beacon ``690f`` speichert den \ac{rssi}-Wert des Empfangenen Pakets von Beacon ``5b5b`` als $scPower$ in seinem Advertising-Paket und senden dieses aus. Bei jedem erneuten Empfang eines Advertising-Pakets von Beacon ``5b5b`` wird die $scPower$ aktualisiert. 
 
 ![Ablauf des Advertisings am Beispiel von zwei Beacon. \label{fig:selfcorrecting}](../static/Ablaufplan-Advertising.pdf){ width=60% }
 
@@ -432,7 +432,7 @@ Zur Umsetzung der Trilateration wird das lineare Gleichungssystem aus Formel \re
 \end{equation}
 
 Da die Entfernungsermittlung fehlerbehaftet ist, können verschiedene Szenarien auftreten, auf die der angewandte Algorithmus überprüft werden muss. Abbildung \ref{fig:locationAlgorithmTest} zeigt die einzelnen Szenarien, die im Folgenden kurz beschrieben werden. Die blauen Punkte markieren die Positionen der Beacons,
-welche von einem roten Kreis eingefasst sind. Die Kreise werden durch die Entfernungen zu den Beacons $r_1$, $r_2$ und $r_3$ gebildet. Der ermittelte Punkt $p_x, p_y$ wird als roter Punkt dargestellt:
+welche von einem roten Kreis eingefasst sind. Der Radius der Kreise entspricht den Abständen $r_1$, $r_2$ und $r_3$ zu den Beacons. Der ermittelte Punkt $p_x, p_y$ wird als roter Punkt dargestellt:
 
 ![Auswirkungen verschiedener Eingabevariablen auf die Lokalisierung durch den verwendeten Lokalisierungsalgorithmus. \label{fig:locationAlgorithmTest}](../static/Lokalisierungstest.pdf)
 
@@ -613,27 +613,27 @@ Durch die Filterung der \ac{rssi}-Werte sollen Schwankungen in den Messwerten au
 
 ![Einfluss der verschiedenen Filtermethoden auf die Entfernungsberechnung mittels $scPower$ \label{fig:err-filter}](../static/DistanceErrorFilter.pdf)
 
-Unter Verwendung der $scPower$ lag der durchschnittliche Fehler der Rohdaten bei \SI{75.68}{\percent}, der des gleitenden Mittelwerts bei \SI{73,99}{\percent} und der des gewichteten Mittelwerts bei \SI{70.07}{\percent}. Damit ist die Auswirkung des gewichteten Mittelwerts mit einer um \SI{7.42}{\percent} geringeren Fehlerquote am größten.
+Unter Verwendung der $scPower$ lag der durchschnittliche Fehler der Rohdaten bei \SI{75.68}{\percent}, der des gleitenden Mittelwerts bei \SI{73,99}{\percent} und der des gewichteten Mittelwerts bei \SI{70.07}{\percent}. Damit ist die Auswirkung des gewichteten Mittelwerts mit einer Verbesserung um \SI{7.42}{\percent} am größten.
 
 Im Weiteren soll überprüft werden, ob sich die zuvor gewonnenen Erkenntnisse auch auf die Lokalisierung übertragen lassen. Da die Messung des \ac{rssi}-Wertes am Smartphone vom Einstrahlwinkel beeinflusst wird (siehe Abschnitt \ref{winkeleinfluss}), wurden die Messungen in zwei Orientierungen durchgeführt, dadurch soll der winkelabhängige Einfluss minimieren werden. In Abbildung \ref{fig:orientierung} ist zu erkennen, dass der Lokalisierungsfehler je nach Orientierungen abhängig vom Messpunkt ist. \SI{180}{\degree} (gelb) liefert bei den Messpunkten A und B einen geringeren Fehler gegenüber \SI{0}{\degree} (blau), welcher bei den Messpunkten C und D einen geringeren Fehler aufweist. In rot ist die Mittlung beider Orientierungen dargestellt, welche für die weitere Betrachtung herangezogen wird.
 
-![Auswirkung der Orientierung des Smartphones auf die verschiedenen Messpunkte \label{fig:orientierung}](../static/Loc0180.pdf){ width=90% }
+![Auswirkung der Orientierung des Smartphones auf die verschiedenen Messpunkte \label{fig:orientierung}](../static/Loc0180.pdf)
 
 Abbildung \ref{fig:figerr} stellt den Lokalisierungsfehler an den einzelnen Versuchspositionen da (siehe Kapitel \ref{versuchsaufbau}). Im linken Diagramm wird die $scPower$ (gelbe Linie) gegenüber der $txPower$ (rote Linie) betrachtet. Dabei ist zu erkennen, dass die $scPower$ auch bei der Lokalisierung einen geringeren Fehler aufweist. An Position A, welche im Zentrum des Dreiecks liegt, ist die Abweichung am  größten. Dort besteht eine Differenz von \SI{1216,93}{\percent} zwischen der $txPower$ und $scPower$. Im Durchschnitt bietet die $scPower$ eine Verbesserung der Lokalisierung um \SI{61.35}{\percent} gegenüber der $txPower$.
 
 ![Betrachtung des Lokalsierungsfehlers: Vergleich zwischen $txPower$ und $scPower$ (links); Vergleich der Filter unter Verwendung der $scPower$ (rechts). \label{fig:figerr}](../static/LocErrorTests.pdf)
 
-Im rechten Diagramm von Abbildung \ref{fig:figerr} sind die Rohdaten den verschiedenen Filtern unter Verwendung der $scPower$ gegenübergestellt. Dabei zeigt sich, dass der gewichtete Mittelwert (blaue Linie) auch bei der Lokalisierung den geringsten Fehler gegenüber den Rohdaten (rote Linie) und dem gleitenden Mittelwert (gelbe Linie) aufweist. 
+Im rechten Diagramm von Abbildung \ref{fig:figerr} sind die Rohdaten den verschiedenen Filtern unter Verwendung der $scPower$ gegenübergestellt. Dabei zeigt sich, dass der gewichtete Mittelwert mit durchschnittlich \SI{189,52}{\percent} (blaue Linie) auch bei der Lokalisierung den geringsten Fehler gegenüber den Rohdaten \SI{226.07}{\percent} (rote Linie) und dem gleitenden Mittelwert \SI{204.32}{\percent} (gelbe Linie) aufweist. Somit bietet er eine Verbesserung von \SI{16.17}{\percent} gegenüber den Rohdaten.
 
-Abbildung \ref{fig:punktwolken} zeigt eine grafische Darstellung der ermittelten Punkte (gelb) im zweidimensionalen Raum. In blau sind die Positionen der Beacon aufgetragen, der rote Punkt markiert den Mittelpunkt der Punktwolke. 
+Unter Anwendung dieser Erkenntnisse wird in Abbildung \ref{fig:punktwolken} die Positionsbestimmung grafisch betrachtet. Dargestellt sind die, mittels $scPower$ und gleitendem Mittelwertfilter errechneten Punkte (gelb). Die Positionen der Beacons sind blau markiert und der rote Punkt stellt den Mittelpunkt der Punktwolke da. In grün ist der reale Punkt, ermittelt aus den Referenzentfernungen eingezeichnet. Der ``locErr`` gibt den Fehler des roten Punkts zum Referenzpunkt in Prozent an.
 
-![Darstellung der ermittelten Positionen (gelb) und der realen Position (grün) sowie des Mittelwerts der ermittelten Positionen (rot). \label{fig:punktwolken}](../static/position_auswertung.pdf)
+![Darstellung der ermittelten Positionen (gelb) und der realen Position (grün) sowie des Mittelwerts der ermittelten Positionen (rot). \label{fig:punktwolken}](../static/position_auswertung.pdf){ width=90% }
 
-- Einfluss des Smartphones auf die Funkstrecke der Beacon untersuchen zu können
+Es zeigt sich, dass die Punktwolke sehr stark um den Mittelpunkt streut. Der Mittelpunkt weißt dabei einen Lokalisierungsfehler von \SIrange{40.22}{143}{\percent} auf. Die Lokalisierung ist hierbei weder Präzise noch weißt sie eine hohe Richtigkeit auf. Die Verteilung der Punktwolke an Testposition C weicht dabei von den der anderen Position ab. Bei näherer Betrachtung stellt sich heraus, dass die ermittelte Entfernung zum Beacon ``5b5b`` unten rechts,  mit durchschnittlich \SI{0.33}{\meter} um \SI{0.42}{\meter} unterschätzt. Hinzu kommt die geringe Entfernung zum Beacon ``690f`` von \SI{0.39}{\meter}, hierdurch gibt es zwischen den Beacons ``5b5b`` und ``690f`` keine Überschneidung. 
 
 # Zusammenfassung
 
-In dieser Arbeit wird ein neuartiges Lokalisierungskonzept entwickelt und evaluiert, wodurch sich Messungen im Zentimeterbereich durchführen lassen. Dieses Konzept dient als Vorlage zur Erweiterung der Anwendung phyphox® um Experimente mit dem Smartphone auf Grundlage der Position im Raum durchführen zu können.
+In dieser Arbeit wird ein neuartiges Lokalisierungskonzept entwickelt und evaluiert, wodurch sich Messungen im Zentimeterbereich durchführen lassen. Dieses Konzept dient als Vorlage zur Erweiterung der Anwendung phyphox® um Experimente mit dem Smartphone auf Basis der Position durchführen zu können.
 
 Zunächst wurden die Grundlagen und der Stand der Technik dargelegt und durch eine systemische Bewertung eingegrenzt. Hierzu wurde die Zielsetzung herangezogen und die Methoden hinsichtlich ihrer Auswirkungen zur Erreichung des Ziels bewertet. Im weiteren wurde auf die Verwendete Hardware und die Umsetzung der einzelnen Komponenten eingegangen und einzelne Aspekte herausgestellt.
 
@@ -641,19 +641,24 @@ Es folgte eine Experimentelle Untersuchung der einzelnen Komponenten um die spez
 
 Abschließend wurde der entwickelte Versuchsaufbau experimentellen Tests unterzogen. In der Untersuchung wurden Messreihen an verschiedenen Positionen angefertigt und ausgewertet. Weiter wurden die verschiedenen Methoden und Filter auf die Entfernungsmessung und Lokalisierung angewandt und hinsichtlich ihrer Auswirkungen auf die Messgenauigkeit bewertet. 
 
+Es konnte ein Konzept entwickelt werden durch dass eine Positionsbestimmung möglich ist. Es wurde gezeigt das die angewandten Filter und die Methode zur Ermittlung der Entfernung zur Verbesserung der Ergebnisse führen. Die Genauigkeit bleibt hierbei jedoch hinter den Erwartungen. Auch die Ergebnisse aus der zugrundeliegenden Literatur ließen sich mit der eingesetzten Hardware nicht reproduzieren.
 
-- Es konnte ein Konzept entwickelt werden
+# Fazit [DRAFT]
-- Die Literaturergebnisse sind nicht reproduzierbar
-- Die Positionsbestimmung reicht nicht aus
 
+Durch eine auf den Messebreich beschränkte Kalibrierung ließen sich die Messeregebnisse nicht verbessern. Die durch die Kalibrierung ermittelten Konstanten sorgen für ein fehleranfälligeres System. Aus diesem Grund sollte die Kalibrierung auf einen größeren Bereich durchgeführt werden. 
 
-## Fazit
+Es zeigt sich, dass die vom Smartphone gemessene Dämpfung eine starke Winkelabhängigkeit aufweist. Der dabei entstehende Fehler äußert sich in einer Abweichung von mehreren Metern. Da die Beacons einen geringeren Einfluss durch den Einfallswinkel erfahren würde sich ein vierter Beacon anstelle des Smartphones anbieten. 
 
-- Die Kalibrierung muss auf einen größeren Bereich durchgeführt werden (am besten nach der Beschreibung der Android Beacon Library) um das System zu stabilisieren.
+Die angewandten Filter brachten zu den Rohdaten jeweils eine Verbesserung. Dabei dominierte der gewichtete Mittelwert Filter über den gleitenden Mittelwert Filter. Zur weiteren Verbesserung könnte ein Bias-Filter wie beispielsweise der Kallmann-Filter beitragen.
-- 
 
+Wie in der Literatur beschrieben konnte durch den Einsatz der $scPower$ eine Verbesserung der Messergebnisse erzielt werden. Der relativen Fehler von unter \SI{10}{\percent} aus der Literatur konnte in dieser Arbeit jedoch nicht reproduziert werden. Nicht untersucht wurde, ob dies an der Verwendeten Hardware oder anderen Einflussfaktoren liegt.
+
+Auch unter Einsatz aller Verbesserungsmaßnahmen ließ sich die Genauigkeit der Messung nicht auf den Zentimeterbereich verbessern. Eine Lokalisierung ist zwar prinzipiell möglich, jedoch ist sie mit den eingesetzten Mitteln und Verfahren nicht für die Anwendung für Tischexperimente geeignet. Durch die Kombination mit weiteren Sensoren kann dieses Verfahren jedoch unterstützend beitragen. 
+
+## Ausblick [DRAFT]
 
 - Connections wären sinnvoll
+
 - Kalibrierung
 - Höhere Rate bei der Übertragung für mehr messdaten
 - Correlation RSS und scPower!
@@ -672,6 +677,3 @@ Abschließend wurde der entwickelte Versuchsaufbau experimentellen Tests unterzo
   - Relativer Fehler ermittelter Punkt zum realen Punkt
   - Relativer Fehler zwischen ermittelten Radii und Radii des errechneten Punkts (hier würde 0 raus kommen wenn die kreise einen gemeinsamen Schnittpunkt haben)
 - Einsatz Gaußfilter auf die Messdaten
-
-
-## Ausblick