理想情况下，当被测量为零时，传感器输出也应为零。但现实中，由于材料老化、温度变化或电路偏置，输出会缓慢偏离零点，这就是零点漂移。例如，一个压力传感器在无压力时可能输出0.05V而非0V。校准的步通常就是“调零”：在已知零输入条件下记录输出，并在后续计算中减去该偏移。更严谨的做法是定期自动调零，或采用差分测量结构来抵消共模漂移。零点漂移若不修正，会在整个量程内引入固定误差，尤其影响小信号测量的准确性。
许多传感器被设计为线性响应，即输出与输入成正比。但实际曲线可能轻微弯曲，称为非线性误差。线性度修正就是通过数学方法（如小二乘法拟合直线）找到拟合线，并据此反推真实值。例如，热电偶的电压-温度关系并非完美直线，工业中常采用分段线性插值或多项式拟合来修正。更高级的方法包括查找表校准和神经网络补偿，尤其适用于非线性严重的场景。修正后，系统在满量程范围内的误差可显著降低。
校准和标定完成后，我们仍需回答：这个测量值有多可靠？不确定度分析就是量化这种可靠性的工具。它考虑所有误差来源：校准标准器的不确定度、零点漂移的残余、线性拟合的残差、重复性、环境波动等。例如，一个经过校准的温度采集系统，其不确定度可能为±0.2°C。这并非说测量“错了”，而是表明真实值有约95%的概率落在该范围内。国际标准（如GUM）提供了统一的评定方法，帮助工程师合成各分量，终给出扩展不确定度。
校准与标定不是一次性的任务，而是贯穿传感器生命周期的质量保障。零点漂移需要定期监测，线性度修正需随环境变化重新评估，不确定度则指导我们如何合理使用数据。在物联网和工业4.0时代，自动校准算法和自诊断传感器正成为趋势，它们能实时补偿漂移并输出带不确定度标签的数据。理解这些概念，不仅能帮助你读懂仪器规格书，更能让你在面对测量结果时，保持科学的审慎与自信。
