位置敏感传感器PSD (Position Sensitive Detector)应用时如何克服本身的非线性问题是一个重要的研究方向。为了解决这个关键问题，提出了对BP神经网络算法改进的LM算法对PSD非线性误差进行校正，即利用神经网络可以逼近任意非线性函数的优点，经过训练使神经网络建立一种非线性映射关系，从而达到PSD非线性补偿的目的。根据PSD的结构、工作原理以及环境因素对PSD线性度的影响，研究了双一次插值算法、双二次插值算法、改进双二次插值算法，通过实验验证了改进双二次插值算法的优势，并分别对双一次插值算法和双二次插值算法做了分析并得出它们的缺点。重点研究了BP神经网络算法，得出了BP神经网络算法的不足，分析了BP神经网络算法的启发式改进法以及基于改进BP神经网络算法的LM算法；建立了实验平台，分析了利用BP神经网络算法及基于改进BP神经网络算法的LM算法对PSD非线性误差校正过程；在训练数据时，使用两个隐含层对神经网络进行训练。在实验基础上研究了利用插值算法、BP神经网络算法以及LM算法对二维PSD非线性误差进行校正过程，依据仿真程序并通过MATLAB7.1仿真对比，结果显示：LM算法能有效的减少二维PSD非线性对测量结果的影响，相比传统的BP神经网络算法收敛速度快、精度高，使修正后的二维PSD线性度在非线性区与线性区近似接近。