第三章 仿真与实现 10

3。1 最小二乘法 10

3。1。1 最小二乘法的介绍 10

3。1。2 最小二乘法的数学实现 10

3。1。3 最小二乘法的 Matlab 实现 12

3。2 端基法 17

3。2。1 端基法的介绍 17

3。2。2 端基法的实现 18

第四章 BP 神经网络 20

4。1 BP 神经网络的介绍 20

4。2 神经网络的内容 21

4。3 神经网络的仿真与实现 22

第五章 算法的补充 26

5。1 SVM 支持向量机的介绍 26

5。2 SVM 的数学实现 26

5。3 基于支持向量机（SVM）的校正环节建模 28

5。3。1 核函数的本质 28

5。3。2 校正原理 28

5。3。3 SVM 支持向量机的校正步骤 29

5。3。4 LS-SVM 30

总结与展望 31

致谢 33

参考文献 34

第一章 绪论

1。1 传感器校正的背景

在实际生活，生产中，我们需要用到各种各样的数据，而为了取得这些必要 的数据。这就需要去测得这些数据相关的参数以及物理的输入输出量。得到被测 目标的信息以及相关的特性，以满足我们的需要。我们利用获得的此类信息，使 得设备或者系统在一种最佳的运行状态。并且保证生产的安全，经济，以及高效。 在现代的科学研究中，为了掌握实物的普遍性规律，人们需要去测定许多许多的 参数。用这些的数据来测定，检验事物是否符合预期要求和事物的客观规律。

在被测的物理量中，绝大多数的数据都是非电量。例如压力，湿度，温度，流 量，液位，位移，速度，加速度等物理量，难以直接表达。非电量的测量可以通 过各种的与之相对应的敏感元件，将被测量的物理量转换成与之有相对应的电 压，电流等数据。再通过对电压，电流的测量，得到被测物理量的大小。传感技 术则是这种测量的必要的工具。而传感器的不断的发展，也为测量贡献着越来越 精确的数据[1]。

1。2 传感器的一般特性

动态输入量和静态输入量组成了传感器的两类输入量。处于稳态的信号，或 者是缓慢变化的信号被称为是静态输入量。瞬时变化的信号，周期性变化的信号 则统称为动态输入量。传感器的静态一般特性决定了，不论是动态输入量还是静 态输入量，传感器的输入量都应该具有不失真的表现出输入量的变化能力，这个 传感器才是静态特性好的传感器。

1。3 传感器的静态特性的主要指标

线性度。传感器的拟合曲线和校准曲线间最大的偏差，在一定条件下和满量 程输入的百分比，称之为线性度。而且应当说明的是，在同一条件下，同一传感 器的校正得到的非线性误差，不会是完全的一致，存在离散性。所以不能完全的 肯定确定的下结论，线性度或是非线性误差是绝对的准确。另外，在校正时所用 到的基准直线，必须在被采用的同时有所的说明。