(1)等距节点分段直线校正法
等距节点的方法适用于非线性特性曲率变化不大的场合。每一段曲线都用一个直线方程代替。分段数N取决于非线性程度和仪器的精度要求。非线性越严重或仪器的精度要求越高，则N越大。为了实时计算方便，常取N=2m，m=0，1，…。式(7-21)中的αi1和α0i可离线求得。采用等分法，每一段折线的拟合误差Vi一般各不相同。拟合结果应保证max[Vmaxi]≤ε，i=1，2，3，…，N(7-22)
Vmaxi为第i段的最大拟合误差，求得的αi1和α0i存入仪器的ROM中。实时测量时只要先用程序判断输入x位于折线的哪一段，然后取出该段对应的αi1和α0i进行计算，即可得到被测量的相应近似值。
(2)非等距节点分段直线校正法
对于曲率变化大和切线斜率大的非线性特性，若采用等距节点的方法进行校正，欲使最大误差满足精度要求，分段数N就会变得很大，而误差分配却不均匀。同时，N增加使αi1和α0i的数目相应增加，占用内存较多，这时宜采用非等距节点分段直线校正法。即在线性较好的部分节点间距离取得大些，反之则取得小些，从而使误差达到均匀分布。
达到了校正精度。若采用等距节点方法，很可能要四段、五段。
列出的数据中取三点(0，0)、(10.15，250)和(20.21，490)，现用经过这三点的两个直线方程来近似替代整个表格，并可求得方程为：
P1(x)=24.63x0≤x<；10.15
23.86x+7.8510.15≤x≤{20.21(7-24)
可以验证，每一点的误差均不大于2℃。第一段的最大误差发生在130℃处，误差值为1.278℃；第二段最大误差发生在340℃处，误差值为1.212℃。
由于非线性特性的不规则，在两个端点间取的第三点有可能不合理，导致误差不能均匀分布。尤其是当非线性严重，用一段或两段直线方程进行拟合而无法保证拟合精度时，往往需要通过增加分段数来满足拟合要求。在这种情况下，应当合理确定分段数和分段节点。
2.抛物线插值
抛物线插值是在数据中选取三点(x0，y0)、(x1，y1)、(x2，y2)，相应的插值方程为：
P2(x)=(x-x1)(x-x2)/(x0-x1)(x0-x2)y0+(x-x0)(x-x2)/(x1-x0)(x1-x2)y1+(x-x0)(x-x1)/(x2-x0)(x2-x1)y2(7-25)
节点选择(0，0)、(10.15，250)和(20.21，490)三点。根据式(7-25)求得：
P2(x)=x(x-20.21)/10.15(10.15-20.21)×250+x(x-10.15)/20.21(20.21-10.15)×490=-0.038x2+25.03x(7-26)
可以验证，用这一方程进行非线性校正，每一点误差均不大于3℃，最大误差发生在130℃处，误差值为2.277℃。
多项式插值的关键是决定多项式的次数。需根据经验描点观察数据的分布。在决定多项式次数n后，应选择n+1个自变量x和函数值y。由于一般给出的离散数组函数关系对的数目均大于n+1，故应选择适当的插值节点xi和yi。插值节点的选择与插值多项式的误差大小有很大的关系，在同样的n值条件下，选择合适的(xi，yi)值可减小误差。在开始时，可先选择等分值的(xi，yi)，以后再根据误差的分布情况改变(xi，yi)的取值。考虑到实时计算，多项式的次数一般不宜选得过高。对于一些难以靠提高多项式次数来提高拟合精度的非线性特性，可采用分段插值的方法加以解决。
7.3.1.2最小二乘法
运用n次多项式或n个直线方程(代数插值法)对非线性特性进行逼近，可以保证在n+1个节点上校正误差为零，即逼近曲线(或段折线)恰好经过这些节点。但是如果这些数据是实验数据，含有随机误差，则这些校正方程并不一定能反映实际的函数关系。即使能够实现，往往会因次数太高，使用起来不方便。因此对于含有随机误差的实验数据的拟合，通常选择“误差平方和为最小”这一标准来衡量逼近结果，使逼近模型比较符合实际关系，在形式上也尽可能地简单。
拟合多项式的次数越高，拟合结果更精确，但计算繁冗，所以一般取m<；7。
用该法求上述数据的线性拟合方程，仍取三个节点(0，0)、(10.15，250)和(20.21，490)。
设两段直线方程分别为：
y=α01+α11x，0≤x<；10.51
y=α02+α12x，10.15≤x<；20.21
根据公式(7-28)和(7-29)可分别求出α01、α11、α02和α12：
α01=-0.122，α11=24.57
α0.2=9.05，α12=23.83
