传感器技术是信息技术的源头和三大基础技术之一，但是传感器受制作工艺及自身因素等的影响，再加之电磁波、噪声以及外界环境等的干扰影响，使得传感器的输入输出特性变得更为复杂而呈现非线性特性，造成传感器测量精度的下降。因此，传感器的非线性校正研究具有十分重要的应用价值。 本文将支持向量机(SVM)应用在传感器的非线性校正方面。以电容式差压变送器、热电偶、热电阻和倾角传感器的数据为研究样本进行了下面的工作： 1．对支持向量机理论，包括分类、回归进行了详细的论述：介绍了几种常见的支持向量机学习算法，着重讨论了序贯最小优化(SMO)算法，并对SVM参数的优化算法--粒子群优化(PSO)算法概念及其原理进行了详细的介绍。 2．建立基于ε-不敏感误差函数为损失函数的支持向量回归机传感器非线性校正模型。详细地介绍了模型建立的步骤。包括：数据的预处理、样本集的划分和核函数的选择；针对支持向量回归机的泛化性能受参数选择的影响，引进了粒子群算法作为优化算法。 3．应用建立好的模型对电容式差压变送器、热电偶、热电阻、倾角传感器进行仿真，对不同样本集、不同核函数下进行了仿真和分析，仿真结果表明不同的样本集对仿真的结果影响很大，并且基于径向基核函数比sigmoid核函数更适用此类模型；本文使用粒子群优化算法对SVM参数优化，仿真的结果比根据经验选取的SVM参数有了很大的改善。仿真后的误差均不大于±0.06％。 4．设计了基于支持向量回归机的传感器非线性校正系统的硬件和软件设计。硬件部分，包括各器件的选型、局部电路的设计，以及PCB板的调试；软件部分，主要包括整体结构设计、SMO算法子程序、DSP定点运算子程序和SVR算法子程序。