针对气象传感器标校过程中测量精度低和生产成本高的问题,将人工智能技术与单片机技术相结合,提出一种气象传感器智能标校方法。该方法将BP神经网络、高斯函数和Levenberg-Marquardt算法相融合,设计一种用于传感器标校的增强型BP网络模型。并将训练好的标校模型移植到单片机中,通过分段多项式来拟合高斯函数,有效减少单片机的计算资源、缩短计算时间。实验结果表明:传统BP网络使气压传感器均方根误差由最初的5.93降低到2.83,减少52.28%的测量误差;而增强型BP网络则使均方根误差降低到0.77,进一步减少34.74%的测量误差。通过分段多项式来拟合高斯函数,显著降低标校模型的计算量,可满...