add Kalibrierung

Thesis/README.md

@@ -267,22 +267,21 @@ d=F_{loc}=\sqrt{(M_x-R_x)^2 + (M_y-R_y)^2}
 f_{loc}=\sqrt{\cfrac{(M_x-R_x)^2 + (M_y-R_y)^2}{R_x^2+R_y^2}} \cdot 100
 \end{equation}
 
+### Kalibrierung
+
+Eine Methode zur Reduzierung von systemischen Fehler, beschrieben in Abschnitt \ref{arten-von-messfehler}, ist die Kalibrierung. Hierbei werden mehrere Messreihen mit möglichst vielen Messungen angefertigt. Dabei wird darauf geachtet das die äußeren Einflüsse, die auf die Messung einwirken können, weitestgehend eliminiert werden. Durch eine hohe Anzahl von Messungen kann der statistischen Fehler zusätzlich minimiert werden [@jcgm_2012, Nr. 2.19]. Sollte der Mittelwert der Messung nun nicht mit dem Referenzwert übereinstimmen, so ist diese Abweichung auf ein systemischen Fehler zurück zu führen. Um die Linearität des Fehlers zu Beurteilen müssen mehrere, unterschiedliche Messreihen betrachtet werden. Aus den gewonnenen Daten können nun Korrekturfaktoren ermittelt werden, welche den systemischen Fehler reduzieren [@jcgm_2012, Nr. 2.39, Nr. 3.11].
+
 ### Filter
 
 Die unverarbeiteten Messwerte werden als Rohdaten bezeichnet. Aufgrund der zuvor erwähnten Messfehler, sind diese Messwerte in den meisten Fällen nicht zur Anzeige geeignet. Zunächst müssen die Messwerte vor verarbeitet werden. Hierzu werden zuerst die systemischen Fehler korrigiert. Zur Minimierung der zufälligen Fehler kommen im nächsten Schritt ein oder mehrere Filter zum Einsatz. 
 
-#### Gaußfilter
+#### Gaußfilter {-}
 
-#### Gewichteter Filter
 
-#### Kallman-Filter
-
-### Kalibrierung
 
+#### Gewichteter Filter {-}
 
 
-- Filterverfahren in Tabelle, Erklärung was Filter machen.
-Nicht alle müssen angewandt werden.
 
 ### Fazit