无线传感器网络是由大量具有无线通信和数据处理能力的传感器节点组成的。这些节点通常布置在环境易变、不易于人为接近的环境中，环境变化或者节点自身老化等因素，都会造成传感器出现非线性误差。无线传感器网络采集的数据是无线检测系统进行分析和处理的基础，其准确性对检测系统的性能起着决定性的作用，因此数据校准是提高无线传感器网络性能的重要技术之一。采用BP（Back Propagation）神经网络对无线传感器网络的非线性失真进行校正，详细介绍了校准无线网络的原理，提出了优化的神经网络优化算法，该算法不仅减小了校准时间，提高了校准精度，还适用于其他系统的非线性校准。首先对无线传感器网络进行了研究，介绍了无线传感器网络的发展和体系结构，分析了无线校准技术的背景和意义、国内外研究现状和发展趋势。接着对人工神经网络进行了介绍，给出了人工神经网络的发展历史、应用领域和国内外研究现状，针对算法在实际应用中存在的问题，分析了无线传感器网络节点在使用中存在的主要失真原因，分析并比较了很多BP神经网络的改进算法。为了更好的提高BP神经网络校准的性能，对现有的初值算法进行优化得到分步赋初值算法，该算法着重研究了神经网络的算法和其初值之间的关系，建立了神经网络输出层的线性方程，通过求解方程得到了BP神经网络的最优初始值。最后对BP算法在无线传感网络中的校准应用进行了分析。首先以硅压力传感器为例，详细地分析了神经网络校准该传感器节点的原理，指出只要选择合适的输入输出参数，神经网络就可以映射出任意的非线性关系，对任意系统的误差进行校准补偿。接着应用软件和硬件平台，组建了一个点对点的简单无线传感器网络，描述了无线传感器网络数据采集的过程，以及用BP神经网络对无线网络数据进行校准分析，结果表明误差精度比校准前提高了两个数量级。为了验证优化后的分步赋初值算法的优越性，与传统BP算法进行了仿真分析的比较，Matlab仿真结果表明：优化后的分步赋初值算法不仅降低了BP算法的训练时间,使其由13秒缩短到1秒以内，还使误差曲线变为直线下降，在一定程度上避免了BP算法的局部极小值的问题。详细的理论分析和仿真结果表明，BP神经网络对传感器非线性校准取得了良好的效果，最后总结了校准技术的主要内容及其发展未来。