为解决位置敏感器件(PSD)提取光斑位置信息的不准确性, 克服元器件、信号处理电路等带来的随机噪声干扰, 本文提出了一种基于极限学习机(ELM)的反馈堆叠模型(FsELM)。该模型使用ELM作为基本训练块, 以单层预测结果与目标真值的偏差作为依据对输入数据进行更新, 并进行循环训练, 形成反馈堆叠的结构, 从而实现PSD信号有效信息的深度提取。同时设计进行了基于一维PSD的激光三角位移检测实验验证算法的性能, 比较了传统滤波算法、经典学习算法、ELM及其变体和本文提出的FsELM方法对数据的处理效果。实验结果表明: FsELM预测精度明显优于其他处理方法, 预测结果均方误差可达1.4×10-5, 预测精度为0.78%; 除ELM等单次训练结构外, FsELM模型的运算速度比其他处理方法更快。该结果证明了FsELM在应对随机噪声干扰的优异性能, 以及不确定环境下突出的预测能力。