目前信息技术的发展十分迅速,各个行业对获取信息的精度、速度等要求也日益严格,可是获取信息的渠道,即传感器技术的发展还不能满足这一要求。这是因为在工作环境下传感器的测量结果受到环境因素的影响,使得测量结果的精度不高。近年来智能传感器系统代表了传感器技术的发展方向,它将目标传感器和非目标传感器测得的数据送到微处理器中进行数据融合处理。因为系统中不同的信息需要使用不同的传感器来检测,所以需要我们寻找一种合理、有效的处理方法来处理数据,从而使得数据融合算法广泛应用于多传感器系统的数据处理。在多传感器系统中,数据融合就是把来自不同的传感器的数据进行融合处理,这样的处理结果不仅比单个数据源获得的估计和推理更加的可靠和准确,还降低了环境因素对传感器的影响。在当前传感器发展现状和数据融合技术快速发展的两大背景下,本文主要解决了环境温度对传感器测量精度影响的问题,其主要的研究内容如下:（1）分析了霍尔传感器的工作原理和温度特性,介绍了多元回归分析法和支持向量机算法,并采用遗传算法对最小二乘支持向量机参数的选择进行优化。（2）进行了二维标定实验,在实验测得数据的基础上推导出了多元回归方程以及遗传算法优化后的最小二乘支持向量机算法的数学模型,采用多元回归法和改进后的最小二乘支持向量机算法对霍尔位移传感器进行温度补偿,温度补偿后,零位温度系数从7.08×10^-3°C^-1分别下降到6.75×10^-4°C^-1,6.80×10^-4°C^-1,灵敏度温度系数由2.50×10^-3°C^-1分别下降到1.78×10^-4°C^-1,2.69×10^-4°C^-1,相对误差由6.30%分别下降到4.49%,0.68%。从上面的数据可以看出,两种算法对尔位移传感器都起到了温度补偿的作用,其中改进后的最小二乘支持向量机算法对传感器的温度补偿效果更加明显,零位温度系数和灵敏度温度系数均提高了一个数量级,相对误差也得到了很大的改善,从而达到了对霍尔位移传感器温度补偿的目的。（3）为了设计一个具有温度补偿功能的实时位移测量系统,我们将霍尔传感器、温度传感器和STM微处理器三者结合起来搭建了霍尔位移传感器测量系统。在微处理器中植入了最小二乘支持向量机算法程序,把霍尔传感器以及温度传感器的输出送入到微处理器中,对霍尔位移传感器进行温度补偿。从而实现了对影响霍尔位移传感器系统的测量精度的温度等因素的补偿。另外系统还设有LCD液晶显示电路,可以实时显示位移值和环境温度值。