vorabversion zur Korrektur

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:** Anhand der Bewegung eines langen Pendels kann die Rotation...
+- **Foucault'sche Pendel:** Bei einem Foucault'schen Pendel kann man über den Tagesverlauf beobachten, dass sich die Schwingungsebene des Pendels über den Tag dreht. Hier könnte eine möglichst genaue Aufzeichnung der Schwingungsebene die Rotation über den Versuchszeitraum aufzeichnen [@Lichtenegger_2015a, S. 25 Rotierende Systeme]. 
 
 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.
 
@@ -283,7 +283,7 @@ Eine Methode zur Reduzierung von systemischen Fehlern, beschrieben in Abschnitt
 
 ### Filter
 
-Die unverarbeiteten Messwerte werden als Rohdaten bezeichnet. Sie sind aufgrund der zuvor beschriebenen Messfehler nicht zur Anzeige geeignet. Zunächst müssen diese Fehler beseitigt werden. Im ersten Schritt werden die systemischen Fehler minimiert, beispielsweise durch eine Kalibrierung. Im nächsten schritt gilt es die zufälligen Fehler, also Ausreißer und Rauschen, zu detektieren und zu eliminieren. Hierbei kommen verschiedene Filterverfahren zum Einsatz die einzeln oder in Kombination eingesetzt werden können.
+Die unverarbeiteten Messwerte werden als Rohdaten bezeichnet. Sie sind aufgrund der zuvor beschriebenen Messfehler nicht zur Anzeige geeignet. Zunächst müssen diese Fehler beseitigt werden. Im ersten Schritt werden die systemischen Fehler minimiert, beispielsweise durch eine Kalibrierung. Im nächsten schritt gilt es die zufälligen Fehler, also stark gestreute Werte und Rauschen, zu detektieren und zu eliminieren. Hierbei kommen verschiedene Filterverfahren zum Einsatz, die einzeln oder in Kombination eingesetzt werden können.
 
 #### Gleitender Mittelwert {-}
 
@@ -318,7 +318,7 @@ Der Wichtungsfaktor wird im zweiten Fall durch das Soll-Wert/Ist-Wert Verhältni
 Formel \ref{eq:weighted} beschreibt nun mathematisch die Anwendung des gewichteten Mittelwerts. Der gewichtete Mittelwert $m_w$ errechnet sich hierbei aus der Summe des Produkts von Wichtungsfaktor $w_i$ und Messwert $x_i$ geteilt durch die Summe der Wichtungsfaktoren.
 
 \begin{equation}\label{eq:weighted}
-m_{w} = \cfrac{\sum_{i=1}^{n} x_k}{\sum_{i=1}^{n} w_i}
+m_{w} = \frac{\sum\limits_{i=1}^{n} x_k}{\sum\limits_{i=1}^{n} w_i}
 \end{equation}
 
 # Implementierung
@@ -631,6 +631,20 @@ Unter Anwendung dieser Erkenntnisse wird in Abbildung \ref{fig:punktwolken} die
 
 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. 
 
+# Diskussion
+
+Die Umsetzung einer Lokalisierungslösung mit einer Auflösung im Zentimeterbereich ist mit dem Entwickelten Konzept nicht gelungen. Auch durch den Einsatz der $scPower$ und dem gleitenden Mittelwert, welche zusammen den durchschnittlich geringsten Fehler aufweisen, weichen die Ermittelten Positionen im Durchschnitt \SI{129}{\centi\meter} von der realen Position ab. Im folgenden sollen daher die Ergebnisse diskutiert und auf Einzelaspekte näher eingegangen werden. 
+
+Die Arbeit belegt, dass der Einsatz der $scPower$ einen positiven Einfluss auf die Entfernungsermittlung hat. Es wird gezeigt das dieser positive Einfluss auch auf die Lokalisierung übertragbar ist. Eine Reproduktion der Ergebnisse aus der Arbeit von Co at el. [@Cho_2015a] ist jedoch nicht gelungen. Ein Grund hierfür könnte die eingesetzte Hardware darstellen. Sowohl die Beacons als auch das Smartphone stimmen nicht mit der zugrundeliegenden Arbeit überein. Dabei konnten die Beacons aus der Arbeit, mangels Programmierschnittstelle nicht eingesetzt werden. Generell fehlt es an dieser Stelle an einer Auswahl von alternativer Hardware aus dem Konsumerbereich welche auch Programmierbar ist. 
+
+Des weiteren wird gezeigt, dass der Einsatz der Filtermethoden nicht nur auf die Entfernungsmessung mittels $txPower$ einen positiven Einfluss hat sondern auch die Messungen der $scPower$ verbessert. Der gewichtete Mittelwert Filter bietet hierbei die besten Ergebnisse für das eingesetzte System. Der Einsatz spezialisierter Filter wie beispielsweise dem Kalmann-Filter bietet weiteres Optimierungspotential. Dies konnte aus Zeitgründen in dieser Arbeit jedoch nicht untersucht werden.
+
+Entscheidend für gute Messergebnisse ist auch die Hardware. Der \ac{rssi}-Wert schwankt beim eingesetzten Smartphone je nach Einfallswinkel sehr stark. Daher wird die Messung im Versuchsaufbau in zwei Orientierungen durchgeführt um diese Winkelabhängigkeit aus zu gleichen. Es ist zu vermuten das auch anderen Geräten eine solche Abhängigkeit aufweisen. Durch die Kombination dieses Verfahrens mit zusätzlichen Sensoren wie beispielsweise dem Magnetometer oder Gyroskop, zur erkennung der Ausrichtung des Smartphones, könnte dieser Einfluss kompensiert werden. Da die Beacons eine geringe winkelabhängige Dämpfung aufweisen, könnte der Einsatz eines vierten Beacons anstelle des Smartphones Verbesserungspotential bieten. Durch das homogene System sollte die $scPower$ einen noch größeren Einfluss auf die Genauigkeit aufweisen.
+
+Die auf das System angepasste Kalibrierung ist bei den auftretenden Schwankungen des gemessenen \ac{rssi}-Wertes zu fehleranfällig. Den größten Einfluss auf die Instabilität hat vermutlich der auf \SI{2}{\meter} reduzierte Messbereich auf den die Kalibrierung durchgeführt wird. Durch die Ausweitung dieses Bereichs auf \SI{40}{\meter} die in der Android Beacon Library [@RadiusNetworks_2021] beschrieben sind, könnte die Fehleranfälligkeit reduziert werden. Für die Arbeit stand jedoch kein Raum mit ausreichender Größe zur Verfügung. Durch die unbeständiger Wetterlage und der, aus den Messungen hervorgehende, negativen Einflusses von Feuchtigkeit ließ keine Kalibrierungsmessungen im Freien zu.
+
+Abschließend bleibt zu bewerten ob der Einsatz von Bluetooth die richtige Wahl zur Bestimmung der Position im Zentimeterbereich ist. Wie sich gezeigt hat ist der Dämpfungsfaktor ein, von vielen Einflussfaktoren abhängender Wert. Für eine zuverlässige Messung müssen sehr viele Umgebungsvariablen berücksichtigt werden. Dies ist vor allem in den Referenzmessungen zu erkennen, bei denen sich der Einfluss von feuchter Witterung in sehr viel schlechteren Messwerten äußerte. Diese Faktoren sind selbst unter Idealen Bedingungen nur schwer zu Kontrollieren. Durch den Einsatz der $scPower$, welche den gleichen Einflussfaktoren ausgeliefert ist, lässt sich die Messung zwar verbessern, jedoch bleibt auch diese weit hinter den Erwartungen zurück. Ein andere Ansatz bietet der neue Bluetooth Standard 5.2, welcher die Messung des \acl{aoa}, also des Einfallswinkels, ermöglicht. Der Standard muss hierbei von Sender und Empfänger unterstützt werden, damit sollen jedoch Messungen im Zentimeterbereich ermöglicht werden. Zur Zeitpunkt der Arbeit sind Geräte mit diesem Standard noch sehr selten. Nur die aktuellsten Smartphones setzen Bluetooth Chips mit diesem Standard ein, Bluetooth Beacons konnten am Markt keine gefunden werden.
+
 # 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 Basis der Position durchführen zu können.
@@ -643,37 +657,12 @@ Abschließend wurde der entwickelte Versuchsaufbau experimentellen Tests unterzo
 
 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.
 
-# Fazit [DRAFT]
+## Fazit
-
-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. 
-
-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 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]
+Mit der eingesetzten Technik und den zugrundeliegenden Methoden kann eine Verbesserung der Entfernungsmessung und Lokalisierung erreicht werden. Durch den Einsatz von Filter lässt sich die Messgenauigkeit für das eingesetzte Messverfahren erhöhen. Die Genauigkeit der Messungen bleibt jedoch weit hinter den Erwartungen zurück. Die in der Literatur beschriebenen \SI{10}{\percent} Abweichung in einem Messradius von \SI{1.5}{\meter} um einen Beacon, konnten nicht Reproduziert werden. Durch die angepasste Kalibrierung wurden die ermittelten Entfernungswerte stärker durch Schwankungen der gemessenen Dämpfungsfaktoren beeinflusst. Ein stabileres Ergebniss liefern die, nicht auf das System optimierten Standard Werte für das Nexus 4. Mit einer Abweichung von durchschnittlich \SI{204.32}{\percent} und einer sich daraus ergebenen Differenz von \SI{129}{\centi\meter}, ist das eingesetzte Verfahren nicht für Tischexperimente geeignet.
 
-- Connections wären sinnvoll
+## Ausblick 
 
-- Kalibrierung
+Durch den Einsatz weiterer Sensoren ließe sich das Verfahren weiter Optimieren. Sowohl die Ausrichtung des Smartphones als auch Informationen zur Beschleunigung und Bewegungsrichtung könnten bei den Messungen berücksichtigt und zur Filterung eingesetzt werden. Auch der Einsatz optimierter Filter wie beispielsweise einen Kalmann-Filter könnte die Messgenauigkeit erhöhen. 
-- Höhere Rate bei der Übertragung für mehr messdaten
-- Correlation RSS und scPower!
-- Fehlerhafte Zeitlicher Verlauf beim Empfang der Daten
-- Zunächst die Lokalisierung betrachten und dann zu den Gründen wieso diese nicht gut sind!
 
-- alle Messungen als Smartphone in 0 und 180 Grad im Versuchsaufbau (0 Grad Höhrer nach oben)
+Weiter bietet sich die Untersuchung von \ac{ble} 5.2 und das neue \ac{aoa} Feature an. Hierdurch kann nicht nur die Entfernungsmessung verbessert, sondern auch die Orientierung innerhalb des Versuchsaufbaus bestimmt werden.
-- Ermittlung eines gleitenden Mittelwertes vom RSSI
-- Ermittlung eines gewichteten gleitenden Mittelwertes vom RSSI
-- Bestimmung der Entfernung durch den gemessenen und errechneten RSSI
-  - mit Standard wert der Android Beacon Library
-  - mit Kalibrierten werten
-- Bestimmung des relativen Fehlers der ermittelten Entfernungen
-- Positionsbestimmung aus allen Entfernungsberechnungen
-- Fehlerbestimmung der Positionsbestimmung
-  - 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