####1. 整段校正法
整段校正法也称整段多项式近似法，其核心问题是多项式的生成，即直接利用非线性方程进行校正。由标定传感器所得到的实测数据来推出反映输入、输出关系的多项式，并要求这个多项式的次数尽量低、与实际特性的误差尽量小。这实质上是个曲线拟合问题。
最小二乘意义下的多项式拟合
根据最小二乘原理，要使ξ为最小，按通常求极值的方法，对ai求偏导数，并令其为零，得到正则方程组，解出ai。
在实际修正中，预先把方程的系数存在存储器中。用微处理器进行校正时，将测量值与存储器中的系数进行运算，就可获得实际被测量y。
####2. 神经网络校正法
传感器的静态输入、输出特性可用一个多项式表示
实际应用中往往需要根据所得的输出量y，求出输入非电量xi。而由y表示的xi表达式为
通过静态标定，事先得到一组传感器的输入、输出数据，然后用函数联接型神经网络，通过迭代得到ki’这些系数。
利用输入数据集(
) 和输出yi，经神经网络的学习算法不断调整权值Wn(n=0,1,2,3)。
Wn(k)为网络在第k步的第n个联接权，ai为学习因子。
经过学习，当权值趋于稳定时，所得的Wn(n=0,1,2,3)就是系数k0’、k1’ 、k2’ 、k3’。
参考：《传感器与检测技术（第4版）》 徐科军主编。