我国是一个富煤、贫油、少气的国家,煤炭一直是支撑我国经济发展和工业变革的主要能源。如何保障煤矿生产安全、提高生产效率一直都是国家和各煤炭企业高度重视的问题。近年来,随着无线通信技术研究的不断深入,基于无线通信技术的井下定位系统在保障生产安全、指挥灾后救援等方面做出了巨大贡献。然而,定位精度低、实时性和抗干扰能力较差是目前井下定位系统普遍存在的问题。因此,深入研究定位算法从而提高定位系统的定位精度、实时性和稳定性,在提高煤炭企业生产效率、保障矿工生命安全等方面具有重要的理论意义和应用价值。首先,对井下常用的定位技术、定位算法进行分析比较,确定基于WiFi位置指纹的定位算法作为本文的主要研究对象。在介绍井下定位环境的基础上,从理论分析和实验探究两个方面分析了影响WiFi定位精度的关键因素,设计了巷道中接入点(Access Point,AP)布置方案。其次,针对采样信号波动幅度较大、甚至失真的问题,在离线阶段,结合高斯滤波和均值滤波处理采样数据,滤除奇异采样数据,构建了更为可靠的离线指纹库。在线定位阶段,构建了基于在线指纹的动态指纹库,可以滤掉波动幅度较大的AP和与本次定位无关的AP,降低算法的遍历时间、提高定位精度。再次,利用模糊C-均值聚类算法(Fuzzy C-means clustering algorithm,FCM)对奇异值的敏感性,对K近邻算法(K Nearest Neighbor algorithm,KNN)所得定位结果进行聚类分析,设计了面向井下人员定位的模糊C-均值聚类KNN算法(FCM-KNN),有效解决了因员工行进路线的不确定性引起定位误差增大的问题,提高了定位精度。最后,利用斯皮尔曼等级相关理论判断在线指纹和邻近指纹间的相关性,构造了相关性权值系数,设计了面向井下车辆的基于斯皮尔曼等级相关的加权 KNN 算法(Weighted KNN Algorithm based on Spearman Rank Correlation,SW-KNN),并利用改进的Sage-Husa自适应卡尔曼滤波对定位结果进行滤波处理,提高了算法定位性能。实验仿真结果表明,在定位中应用动态指纹库可以大幅提高定位精度,提高定位效率;基于FCM-KNN的井下人员定位算法可以在保证定位效率的前提下,进一步提高了定位精度,并且2m内的定位可信度达到96%;基于SW-KNN的井下车辆定位算法,可在保证定位效率情况下提供可靠的定位精度,满足井下车辆定位、导航和调度的需要。