類似地，需要對熱電偶和紅外(IR)溫度檢測器所產生的非線性輸出進行數學運算，使其線性化。例如，K型熱電偶使用下列線性化多項式：

　　溫度 = a1 * V + a2 * V2 + a3 * V3 +?

　　其中，a1 = 25132.785，a2 = -60883.423 ?，V = 傳感器輸出電壓

　　在dsPIC33F DSC上使用兩個累加器和DSP指令執行此線性化任務時，計算過程(上述多項式僅計算到第2階)需要7個指令周期——4個數據傳送周期、2個乘法周期以及1個乘減運算周期。通過該公式可以很明顯看出，在通用微處理器或MCU架構上執行此運算會耗費更多時間，這也間接說明了使用DSC的優勢。

　　而且，熱電偶的輸出電壓(即使在放大之后)特別容易受60 Hz(或50 Hz，具體取決于區域)的電源線路噪聲影響。考慮到熱電偶輸出的變化率較慢，此噪聲容易與熱電偶輸出位于同一頻帶，并且需要使用中心頻率為60 Hz的陷波濾波器小心地進行濾波。

　　FIR和IIR濾波算法均可以在DSC上高效執行，但是IIR濾波器需要的系數一般要少得多，因而需要較少的乘法和加法運算。不過，IIR濾波器具有反饋項，因而會造成一些穩定性方面的難題。幸運的是，數據自動飽和是DSC架構中相當常見的硬件特性，可以盡可能降低由于溢出造成的數據損壞。圖5頻率響應圖展示了用于抑制60 Hz電源線路信號的16階IIR陷波濾波器(采樣率為1 kHz)的頻率選擇特性。

　　對于DSP設計經驗不甚豐富的系統開發人員而言，設計數字濾波器(尤其是IIR濾波器)過程中涉及的理論和步驟可能相當復雜，對數學功底的要求極高。幸運的是，很多DSC制造商和第三方工具廠商都提供了低成本的工具，開發人員只需要在這些工具中指定通帶和阻帶的轉移頻率以及所需的衰減度即可。這些工具可以計算濾波器系數并生成應用軟件可以直接使用的源文件和數據文件。圖3展示了四種最常見的數字濾波問題。

　　除了線性濾波和數字濾波外，應用軟件還需要在從熱電偶采樣的電壓中加上從外部溫度傳感器IC(如TC1047A)采樣的電壓，以執行冷結點補償。此外，很可能需要定期計算ADC轉換結果的平均值，具體視所采用的ADC采樣率而定。平均值計算可以通過DSC架構中通常提供的基于累加器的加法和多位移位運算高效完成。

　　指紋識別

　　在上文中我們已經討論了最常見的一類智能傳感器應用，現在我們討論一種本質上更復雜且計算要求更高的基于傳感器的應用——指紋識別。

　　指紋識別在安全區域(如房間或車輛)的進出控制、設備訪問(如手機)、PC或網絡登錄以及僅作為可靠的個人身份識別形式等方面的應用日趨增多。目前，市面上有很多類型的指紋傳感器，如電容式傳感器、光學傳感器、熱傳感器和電場傳感器。例如，電容式傳感器依賴于人手指上的紋路起伏產生的電容變化。

　　負責從指紋傳感器捕捉指紋數據的控制器需要具有某些特性：

　　1.足夠快的ADC，用于接收傳感器采樣的值;

　　2.高速串行通信接口(如SPI)，用于與系統中的其他模塊進行通信;

　　3.閃存，用于存儲指紋“模板”數據庫，然后在驗證或識別指紋時高效訪問這些模板。

　　最重要的是，需要擁有強大的DSP功能來執行指紋匹配操作。最后需要指出的是，控制器應該不僅能夠處理16位數據，還要能夠高效處理8位數據(如DSC可以處理8位和16位的數據)，因為大多數傳感器都使用8位的值來代表指紋。