1.一种基于动态时延的卡尔曼滤波补偿方法，其特征在于，包含如下步骤：S1、利用数据采集器采集任意一组数据后，控制数据采集器自身输出一脉冲给控制器作为一组数据获取结束的标志，控制器记录此时的时刻ti；

S2、控制器在获得该组数据后，对数据进行解析，在控制器自身完成对于该组数据的解析后，会根据解析后的数据进入定时器中断修改控制量，记录进入定时器的时间tn；其中，控制器会按照固定的控制周期T'控制一受控模块；

S3、计算时延：Δt＝tn-ti；

S4、计算Δt/T'后进行取整处理得到补偿步数N；

S5、利用补偿步数N进行卡尔曼滤波时后续时延期间观测量的拟合估计，进而对当前时刻状态量进行补偿估计；

步骤S5中，卡尔曼滤波包括：

Step1:将系统状态和过程噪声一起作为新过程方程的状态,进行一次过程方程重构，重构后得过程噪声为ξk-1；其中，新过程方程如下：其中，

Hc＝[H 0]

wk为过程噪声，xk为k时刻的状态值，H为观测矩阵，A为状态转移矩阵，zk为k时刻的观测值，Mk-1的过程噪声的自相关系数，上标a起到参数区分的作用；

Step2:通过观测差分，进行一次观测方程重构，根据重构后的观测方程获得系统的相关参数并达到噪声分离，其中获得的观测噪声记为 其中，重构前的观测方程为：zk为k时刻的观测值，vk为观测噪声；重构前的观测方程通过如下观测差分的形式进行重构：得到观测方程的一次重构形式如下：

其中，

为观测噪声的自相关系数，ζk是均值为0高斯白噪声；

Step3:根据ξk、 的统计特性，得到它们之间的相关性，即：其中， 分别为ξk、ζk的方差， 为 的方差，Sk为ξk与 的互协方差，δkj为克罗内克函数；

Step4:结合Step2新得到的观测方程，对一次重构后的过程方程进行二次重构，获得系统的相关参数并达到噪声分离，其中获得的新过程噪声记为 包含了ξk及 二次重构后的过程方程为：rk为噪声相关性消除所涉及的参数；

Step5:结合Step3的噪声统计特性分析，获取二次重构后的新过程噪声 及新观测噪声 满足Kalman滤波噪声数学特性所涉及到的参数，实现噪声相关性消除；即要使用卡尔曼滤波算法，需达到二次重构后的过程方程的过程噪声 与一次重构后的观测方程的观测噪声 的统计相关性为0，即结合Step3的噪声ξk、 统计特性分析，通过展开并解上式得到噪声相关性消除所涉及的参数rk；

Step6:利用噪声相关性消除后的数据进行新卡尔曼滤波器的构建。

2.根据权利要求1所述的基于动态时延的卡尔曼滤波补偿方法，其特征在于，数据采集器包括：摄像头、声音传感器、红外传感器、浓度传感器、温度传感器、陀螺仪。

3.根据权利要求1所述的基于动态时延的卡尔曼滤波补偿方法，其特征在于，取整处理为下述取整方式中的任意一种：四舍五入、去掉小数位保留整数、向上取整以及向下取整。

4.一种基于动态时延的卡尔曼滤波补偿系统，其特征在于，包含如下模块：数据采集模器，用于利用数据采集器采集任意一组数据后，控制数据采集器自身输出一脉冲给控制器作为一组数据获取结束的标志，控制器记录此时的时刻ti；

数据处理模块，控制器在获得该组数据后，对数据进行解析，在控制器自身完成对于该组数据的解析后，会根据解析后的数据进入定时器中断修改控制量，记录进入定时器的时间tn；其中，控制器会按照固定的控制周期T'控制一受控模块；

时延计算模块，用于计算时延：Δt＝tn-ti；

补偿步数计算模块，用于计算Δt/T'后进行取整处理得到补偿步数N；

补偿步数处理模块，用于利用补偿步数N进行卡尔曼滤波时后续时延期间观测量的拟合估计，进而对当前时刻状态量进行补偿估计；

补偿步数处理模块中，卡尔曼滤波包括：

依次重构单元，用于将系统状态和过程噪声一起作为新过程方程的状态,进行一次过程方程重构，重构后得过程噪声为ξk-1；其中，新过程方程如下：其中，

Hc＝[H 0]

wk为过程噪声，xk为k时刻的状态值，H为观测矩阵，A为状态转移矩阵，zk为k时刻的观测值，Mk-1的过程噪声的自相关系数，上标a起到参数区分的作用；

噪声分离单元，用于通过观测差分，进行一次观测方程重构，根据重构后的观测方程获得系统的相关参数并达到噪声分离，其中获得的观测噪声记为 其中，重构前的观测方程为： zk为k时刻的观测值，vk为观测噪声；重构前的观测方程通过如下观测差分的形式进行重构：得到观测方程的一次重构形式如下：

其中，

为观测噪声的自相关系数，ζk是均值为0高斯白噪声；

相关性获取单元，用于根据ξk、 的统计特性，得到它们之间的相关性，即：其中， 分别为ξk、ζk的方差， 为 的方差，Sk为ξk与 的互协方差，δkj为克罗内克函数；

二次重构及噪声分离单元，用于结合噪声分离单元新得到的观测方程，对一次重构后的过程方程进行二次重构，获得系统的相关参数并达到噪声分离，其中获得的新过程噪声记为 包含了ξk及 二次重构后的过程方程为：rk为噪声相关性消除所涉及的参数；

相关性消除单元，用于结合相关性获取单元的噪声统计特性分析，获取二次重构后的新过程噪声 及新观测噪声 满足Kalman滤波噪声数学特性所涉及到的参数，实现噪声相关性消除；即要使用卡尔曼滤波算法，需达到二次重构后的过程方程的过程噪声 与一次重构后的观测方程的观测噪声 的统计相关性为0，即结合相关性获取单元的噪声ξk、 统计特性分析，通过展开并解上式得到噪声相关性消除所涉及的参数rk；

卡尔曼滤波单元，用于利用噪声相关性消除后的数据进行新卡尔曼滤波器的构建。

5.根据权利要求4所述的基于动态时延的卡尔曼滤波补偿系统，其特征在于，数据采集器包括：摄像头、声音传感器、红外传感器、浓度传感器、温度传感器、陀螺仪。

6.根据权利要求4所述的基于动态时延的卡尔曼滤波补偿系统，其特征在于，取整处理为下述取整方式中的任意一种：四舍五入、去掉小数位保留整数、向上取整以及向下取整。