本发明涉及空气盒子测试技术领域，具体地讲，是涉及一种利用卡尔曼滤波算法提高空气盒子SD测量温湿度精度的方法。
背景技术：
温湿度一直是居民日常生活非常关心的问题，温湿度测量仪器从传统的物理温度计、湿度计，发展到目前的高精度温湿度传感器。不仅在使用尺寸上得到了极大提升，测量精度范围也进一步提高。测量结果输出更灵活。同时用户对温湿度的准确性的感知能力远大于用户对智能设备其他传感器的感知能力，因此温湿度的测量值直接影响用户的使用体验。
目前市场上的温湿度传感器出厂之前都进行了温湿度算法校正，保证了传感器的测量精度。通常地，智能检测设备SD在实验环境下测量准确度和精度都很高，因此一般智能设备制造商都是将传感器测量值直接输出显示给用户，这种方式完全依赖传感器的精度和其当前的状态。而在智能检测设备SD的实际使用中，常常会因设备自身的可变和不可变噪声对其传感器产生影响，设备直接呈现的测量结果时常会出现较大幅度跳动，较为影响实际的设备使用体验。
技术实现要素：
针对上述现有技术的不足，本发明提供一种利用卡尔曼滤波算法提高空气盒子SD测量温湿度精度的方法，可以滤除设备噪声对测量结果影响，从而保证设备输出显示数值较为稳定。
为了实现上述目的，本发明采用的技术方案如下：
一种利用卡尔曼滤波算法提高空气盒子SD测量温湿度精度的方法，包括如下步骤：
(1)建立温湿度正常测量状态模型，
状态方程为X(k)＝X(k-1)(k∈R)……式1，
测量方程为Y(k)＝X(k)+V(k)(k∈R)……式2，
其中，k为当前时刻，k-1为上一时刻，X(k)为k时刻的系统状态，Y(k)为k时刻的测量值，V(k)为测量的噪声；
(2)获取所述空气盒子SD在上一时刻的温湿度值，并由此预测当前时刻的温湿度预测值X(k|k-1)＝X(k-1|k-1)……式3，
以及其对应的协方差P(k|k-1)＝P(k-1|k-1)……式4，
其中，X(k|k-1)为利用上一时刻预测的当前温湿度预测值，X(k-1|k-1)为上一时的温湿显示值，P(k|k-1)为X(k|k-1)对应的协方差，P(k-1|k-1)为X(k-1|k-1)对应的协方差，所述上一时刻与当前时刻间隔一设定的定长时间L；
(3)通过所述空气盒子SD内置传感器测量当前的温湿度值Y(k)；
(4)利用卡尔曼滤波算法，进行当前温湿度值优化估算：
X(k|k)＝X(k|k-1)+Kg(k)(Y(k)-X(k|k-1))……式5，
其中，卡尔曼增益Kg(k)＝P(k|k-1)/(P(k|k-1)+R)……式6，R为V(k)对应的协方差，
其所对应的协方差P(k|k)＝(1-Kg(k))P(k|k-1)……式7；
(5)在所述空气盒子SD的屏幕上显示当前时刻的温湿度优化估算值X(k|k)，并存储其对应的协方差P(k|k)；
(6)在下一时刻时重复上述过程。
进一步地，由于在实际的传感器产品中，不可避免地会存在某些瞬态测量特别不准确的跳动，为了减少SD传感器的测量偏差，所述步骤(3)中，每次传感器测量当前温湿度值Y1(k)后，瞬时再测量一次当前温湿度值Y2(k)，所述当前的温湿度值Y(k)由该瞬时连续两次测量的温湿度值合成Y(k)＝(Y1(k)+Y2(k))/2。
本发明的设计原理基于智能检测设备SD在实际使用过程中的具体应用，如空气盒子等绝大多数情况下都某一较为稳定的空间内运行。通过实践中的经验积累，我们对某些参数进行一定的简化，从而达到优化模型，简化算法的目的。
例如，在某个恒定环境下，在一个极短的时间内这个空间环境的温湿度可以认为基本保持不变，即构成恒温湿环境；由于设备自身的属性，存在测量噪声，而该噪声可以简化地认定为高斯白噪声；由于极短时间内的恒温湿环境，其过程噪声(Q)可以认为0；在没有控制量的情况下，其参数也可认为0，对于状态矩阵，可认为是单位阵；对于单模测量，其矩阵I可认为1。也因此，我们基于现有的卡尔曼滤波公式推导设计出了前述式1至式7，以满足空气盒子SD在实际运行过程中的测量情况，优化算法。
与现有技术相比，本发明具有以下有益效果：
(1)本发明基于卡尔曼滤波进行算法优化，从而优化空气盒子SD的温湿度输出值，可以有效摒除测量噪声对设备显示值的影响，杜绝了设备显示值较大幅度跳动影响用户体验的问题，该问题随设备使用时间逐渐突显，而通过本发明的改进，使得空气盒子的温湿度的读数平稳性大大提升，极大地弱化了设备老化对显示值的影响，进而提高空气盒子对温湿度的测量显示精度，本发明构思新颖，设计巧妙，具有广泛的应用前景，适合推广应用。
(2)本发明在每次测量时再进行一次瞬态测量，相当于每次测量都瞬态连续测量两次，取两次的均值作为当前测量的输出值，通过该种方式有效地避免了空气盒子的传感器发生突然测量波动导致测量结果不准确的问题，进一步提高了精度。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。
实施例
如图1所示，该利用卡尔曼滤波算法提高空气盒子SD测量温湿度精度的方法，包括如下步骤：
(1)建立温湿度正常测量状态模型，
状态方程为X(k)＝X(k-1)(k∈R)……式1，
测量方程为Y(k)＝X(k)+V(k)(k∈R)……式2，
其中，k为当前时刻，k-1为上一时刻，X(k)为k时刻的系统状态，Y(k)为k时刻的测量值，V(k)为测量的噪声；
(2)获取所述空气盒子SD在上一时刻的温湿度值，并由此预测当前时刻的温湿度预测值X(k|k-1)＝X(k-1|k-1)……式3，
以及其对应的协方差P(k|k-1)＝P(k-1|k-1)……式4，
其中，X(k|k-1)为利用上一时刻预测的当前温湿度预测值，X(k-1|k-1)为上一时的温湿显示值，P(k|k-1)为X(k|k-1)对应的协方差，P(k-1|k-1)为X(k-1|k-1)对应的协方差，所述上一时刻与当前时刻间隔一设定的定长时间L，例如该定长时间L可根据实际使用的需求设定为1分钟、半分钟、20秒、15秒等具体数值，该数值在空气盒子的实际使用中体现为显示读数刷新的频率；
(3)通过所述空气盒子SD内置传感器测量当前的温湿度值Y(k)；由于在实际的传感器产品中，不可避免地会存在某些瞬态测量特别不准确的跳动，为了减少SD传感器的测量偏差，所述步骤(3)中，每次传感器测量当前温湿度值Y1(k)后，瞬时再测量一次当前温湿度值Y2(k)，所述当前的温湿度值Y(k)由该瞬时连续两次测量的温湿度值合成Y(k)＝(Y1(k)+Y2(k))/2；
(4)利用卡尔曼滤波算法，进行当前温湿度值优化估算：
X(k|k)＝X(k|k-1)+Kg(k)(Y(k)-X(k|k-1))……式5，
其中，卡尔曼增益Kg(k)＝P(k|k-1)/(P(k|k-1)+R)……式6，R为V(k)对应的协方差，
其所对应的协方差P(k|k)＝(1-Kg(k))P(k|k-1)……式7；
(5)在所述空气盒子SD的屏幕上显示当前时刻的温湿度优化估算值X(k|k)，并存储其对应的协方差P(k|k)；
(6)在下一时刻时重复上述过程。此时下一时刻k+1作为k代入上述式子中，而当前时刻k则作为k-1代入上述式子中，以此自回归地完成后续运算，直至空气盒子关闭。
通过上述改进，可以极大地提高空气盒子SD的显示数值平稳性，符合人们的常规认知感受(温湿度是一个动态的连续变化的过程)，有效避免了现有测量设备直接呈现传感器数值会出现当传感器测量误差波动时使其呈现数值也较大幅度跳动的问题，尤其是在设备老化后更容易出现的问题，通过本发明可以有效解决。
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。