本文首次应用MATLAB提供的BP神经网络工具箱中神经网络函数编程和GUI工具分别对CYJ-101型压力传感器进行数据处理，解决了传感器温度补偿问题。 首先，本文分析了二传感器信息融合的曲面拟合法基本特点，根据温度补偿原理建立了BP神经网络模型，推导出该模型中隐含层神经元输出表达式和模型的最终输出结果表达式。 其次，在CYJ-101型压力传感器温度特性补偿的计算过程中，以压力传感器为主传感器，温度传感器为辅传感器，把这两个传感器输出的电压信号输入到建好的BP神经网络模型中，并在MATLAB提供的NNToolbox环境下进行了仿真。从仿真后的补偿结果可以看出：温度干扰量对压力输出特性的影响由补偿前的22％降到补偿后的1.1％，从而提高了压力传感器测量精度和抗干扰能力。 最后，分析了基于BP神经网络的压力传感器温度补偿的研究结果，研究结果表明：建立的BP神经网络模型经过训练后，可以很好地补偿压力传感器所受的温度干扰，并使测量精度提高到补偿前的20倍。在此基础上，提出了本文存在的不足之处，并提出了具体改进方案。 综上所述，本文对传感器测量精度和工作稳定性方面的研究具有实际应用价值。