传感器是检测系统中的核心元件,其准确性对检测系统的性能起着决定性的作用,传感器非线性失真校正是提高传感器性能指标的主要技术之一,这也成为目前国内外研究的一项重要课题。本论文研究的主要内容是传感器非线性失真校正,提出了一种非线性失真校正方法,即基于人工神经网络的传感器非线性失真校正。本论文简要介绍传感器的传统非线性失真校正方法,在此基础上通过理论分析,论证了基于人工神经网络的传感器非线性失真校正方案的可行性,建立了此非线性失真校正方法的模型,与传统的非线性失真校正方法相比降低了系统的复杂度。本文人工神经网络采用BP网络结构,介绍了BP网络算法的计算过程和特点,并且在建模过程中分析了它们在应用中需要注意的一些问题,如隐层节点数、容许误差的选择等。本论文选用S3C2410X嵌入式系统作为BP网络的载体,详细描述了整个硬件系统的构建,即将电压传感器输出的信号,经真有效值/直流转换器AD637转换成直流信号,再进行A/D转换,变为数字信号,然后在S3C2410X平台上运用改进的BP网络对其进行校正,使其尽量地逼近真实值,最后通过LCD显示测试数据结果。与硬件系统相匹配的软件系统分为训练和测试两个过程,首先训练BP网络,训练样本数为19个,教师信号为Agilent 34401A精密交流电压表输出的真有效值;然后使用训练之后的BP网络对传感器的输出进行校正,与未经BP网络的传感器输出进行比较。实验结果表明,运用本文提出的改进的BP网络校正传感器非线性失真,取得了较好的效果。该方法也可用于其它系统非线性失真校正,如测量仪器的传输系统等。