1.一种污水溶解氧浓度的估计方法，其特征在于，包括以下步骤：S1、根据活性污泥法污水处理系统的处理机理，建立污水溶解氧浓度状态空间方程；

S2、根据污水溶解氧浓度状态空间方程分别建立第一污水溶解氧浓度传感器的观测方程和第二污水溶解氧浓度传感器的观测方程；所述第一污水溶解氧浓度传感器的采样速率大于第二污水溶解氧浓度传感器，所述第二污水溶解氧浓度传感器的采样精度大于第一污水溶解氧浓度传感器；

S3、分别利用第一污水溶解氧浓度传感器和第二污水溶解氧浓度传感器估计系统的状态值；所述状态值包括状态均值和协方差；

S4、利用所述污水溶解氧浓度状态空间方程和第一污水溶解氧浓度传感器的观测方程建立概率密度函数，利用第二污水溶解氧浓度传感器预测第一污水溶解氧浓度传感器的观测值分布的概率密度函数，并估计系统的状态值；

S5、用步骤S4中估计的系统的状态值替换步骤S3中第一污水溶解氧浓度传感器估计的系统的状态值，得到每个时刻污水溶解氧浓度值。

2.如权利要求1所述的污水溶解氧浓度的估计方法，其特征在于，所述污水溶解氧浓度状态空间方程为：

xk＝Axk‑1+wk

式中，

T

xk＝[x1,k,x2,k,x3,k]其中，k为时间索引；xk是系统的状态值：x1,k为微生物的质量浓度，x2,k为底物的质量浓度，x3,k为溶解氧的质量浓度；A为系统的状态转移矩阵；wk为系统的噪声项，且wk服从均值为零的高斯分布，即wk～N(0,Q)，其中，Q是系统噪声项的协方差矩阵；uH为微生物最大生长速率；kd为内生的迟滞参数；C为二沉池浓度因子；Qw为污质的流量；Qin为流入量；V为反应器的体积；f为联系有机物与需氧量的因子；fx为水泵因子；YNH为观察到的生长系数；δ为对溶解氧设置的冲量系数。

3.如权利要求1所述的污水溶解氧浓度的估计方法，其特征在于，所述第一污水溶解氧浓度传感器的观测方程为：

yk＝Cxk+vk

式中，

C＝[0,0,1]

其中，yk为第一污水溶解氧浓度传感器测得的污水溶解氧的观测值，C是系统的观测矩阵，xk是第一污水溶解氧浓度传感器观测的系统的状态值，vk是观测值的噪声项，且vk服从均值为零的高斯分布，即vk～N(0,R)，其中，R是观测噪声项的协方差矩阵。

4.如权利要求1所述的污水溶解氧浓度的估计方法，其特征在于，所述第二污水溶解氧浓度传感器的观测方程为：

ys,k＝δk(Hxs,i+vs,i)式中，

H＝[0,0,1]

其中，ys,k是第二污水溶解氧浓度传感器的观测值，H是系统的观测矩阵，xs,i为第二污水溶解氧浓度传感器观测的系统的状态值，下标s用来和第一污水溶解氧浓度传感器进行区分，vs,i是观测值的噪声项，且vs,i服从于均值为零的高斯分布，即vs,i～N(0,Rs)，其中，Rs是观测噪声的协方差矩阵；所述第一污水溶解氧浓度传感器的采样速率是第二污水溶解氧浓度传感器的α倍，且第二污水溶解氧浓度传感器采样后要经过β个采样时刻才能获得，δk＝{0,1}是一个判断函数，在k时刻，如果(k‑β)\α＝0，则δk＝1，且第二污水溶解氧浓度传感器观测到的是i时刻的系统状态值，反之，如果(k‑β)\α≠0，则δk＝0，且第二污水溶解氧浓度传感器观测不到系统状态值，其中i＝k‑β，\为除以后取余数。

5.如权利要求1所述的污水溶解氧浓度的估计方法，其特征在于，利用第一污水溶解氧浓度传感器估计系统的状态值如下：假设k‑1时刻第一污水溶解氧浓度传感器估计出的状态均值和协方差分别为xk‑1、Pk‑1，则k时刻：

其中， 是预测的状态均值， 是预测的状态协方差矩阵，T是对矩阵求转置；

假设第一污水溶解氧浓度传感器的观测值没有延迟，则k时刻的观测值yk可以用来更新预测的状态均值和协方差，更新的公式如下所示，即：其中，K是一个中间变量，又称卡尔曼增益，xk和Pk则为更新之后状态的均值和协方差矩阵，I是单位矩阵。

6.如权利要求1所述的污水溶解氧浓度的估计方法，其特征在于，利用第二污水溶解氧浓度传感器估计系统的状态值如下：假设i‑α时刻第二污水溶解氧浓度传感器估计的状态均值与协方差分别是xs,i‑α和Ps,i‑α，则i时刻：

利用k时刻的第二污水溶解氧浓度传感器的观测值更新预测的状态均值与协方差，则其中，Ks是一个中间变量，又称卡尔曼增益，xs,i和Ps,i则为更新之后状态的均值和协方差矩阵。

7.如权利要求1所述的污水溶解氧浓度的估计方法，其特征在于，步骤S4包括：利用所述污水溶解氧浓度状态空间方程和第一污水溶解氧浓度传感器的观测方程建立概率密度函数，利用贝叶斯公式，令其中，p(·)是概率密度函数，x≡N(x；μ,σ)代表x服从均值为μ、协方差为σ的高斯分布，T

p(xi|y1:i‑1)≡N(xi；Axi‑1,APi‑1A+Q)，ps(yi)是第二污水溶解氧浓度传感器预测快速率采样传感器观测值yi分布的概率密度函数，即：T

ps(yi)≡N(yi；Hxs,i,HPs,iH+Rs)是近似的第一污水溶解氧浓度传感器所预测的i时刻系统状态的概率密度函数， 由KL散度确定，公式为：此时，问题转化为找到使上式成立的最小分布 定义其为p°(xi|y1:i‑1)，利用变分贝叶斯定理可以推导出：

p°(xi|y1:i‑1)∝p(xi|y1:i‑1)exp{∫[logp(yi|xi)ps(yi)]dyi}进而求得：

其中：

最终求得：

p(xi|y1:i)≡N(xi；xt,i,Pt,i)其中：

8.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的污水溶解氧浓度的估计方法。

9.一种电子设备，其特征在于，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的污水溶解氧浓度的估计方法。

10.污水溶解氧浓度的估计系统，其特征在于，包括：溶解氧浓度状态空间方程建立模块，用于根据活性污泥法污水处理系统的处理机理，建立污水溶解氧浓度状态空间方程；

观测方程建立模块，用于根据污水溶解氧浓度状态空间方程分别建立第一污水溶解氧浓度传感器的观测方程和第二污水溶解氧浓度传感器的观测方程；所述第一污水溶解氧浓度传感器的采样速率大于第二污水溶解氧浓度传感器，所述第二污水溶解氧浓度传感器的采样精度大于第一污水溶解氧浓度传感器；

状态值估计模块，用于分别利用第一污水溶解氧浓度传感器和第二污水溶解氧浓度传感器估计系统的状态值；所述状态值包括状态均值和协方差；

概率密度函数预测模块，用于利用所述污水溶解氧浓度状态空间方程和第一污水溶解氧浓度传感器的观测方程建立概率密度函数，利用第二污水溶解氧浓度传感器预测第一污水溶解氧浓度传感器的观测值分布的概率密度函数，并估计系统的状态值；

污水溶解氧浓度值获取模块，用于利用概率密度函数预测模块估计的系统的状态值替换第一污水溶解氧浓度传感器估计的系统的状态值，得到每个时刻污水溶解氧浓度值。