煤炭是我国的主体能源,煤炭开采长期遭受瓦斯、顶板、水电等事故的威胁,因此保证生产安全是工作的重中之重。通常在煤矿井下布置有大量无线传感器节点,能够收集井下的环境状况、人员位置、设备运行状态等信息,从而对生产安全进行实时监测。为了提高井下作业人员的效率,在煤矿发生灾害后及时快速的实施救援,需要对井下作业人员进行实时的定位跟踪。介绍了常见的煤矿井下定位技术与定位算法,通过对几种算法的比较以及结合矿井环境的需求,采用指纹定位算法进行井下人员定位。但是煤矿井下指纹定位面临两方面的问题,一方面是离线阶段指纹数据库建立费时费力,另一方面是矿井下环境复杂导致现有的在线匹配定位算法精度不高,通过对几种几种在线匹配定位算法进行仿真对比,选择加权K近邻（Weight K-Nearest Neighbors,WKNN）算法作为在线阶段研究对象。针对指纹库构建费时费力的问题,本文提出了一种基于粒子群与模拟退火的克里金插值算法（PSO-SA-Kriging）,初始阶段用户只需采集部分指纹采样点的数据,然后根据采样点数据拟合克里金理论模型,最后通过克里金模型插值获得全部指纹数据集,其中主要利用粒子群与模拟退火算法优化克里金理论模型,使其更加贴合实际矿井环境,获取目标场景下的指纹数据集。算法利用粒子群收敛速度快的优势,解决了指纹库快速构建的问题。同时,利用模拟退火解决粒子群可能陷入局部最优的缺陷,解决模型拟合不准确的问题,使得插值结果更加精确。最后,通过在矿井环境下采集指纹数据,建立全部采样数据库、半采样与插值混合数据库,并选用最近邻算法（K-Nearest Neighbors,KNN）进行定位验证,仿真表明,PSO-SA-Kriging大幅降低了指纹构建工作量,同时具有优秀的定位精度,实现了速度与精度的统一。针对在线阶段WKNN定位算法不准确的问题,本文提出了一种基于加权欧式距离和物理距离的自适应WKNN定位算法（WE-P-WKNN）,首先通过分析实际距离与节点信号传播距离之间的关系,发现实际距离与信号传播距离差有关,且通过公式推导证明信号传播距离差与接收信号强度指示（Received Signal Strength Indicator,RSSI）成对数关系,提出了RSSI加权欧式距离。又由于RSSI的空间分辨率不均匀,仅根据RSSI计算参考节点（Reference Point,RP）的权重是不合适的,通过引入节点间物理距离与RSSI加权欧式距离分别计算权重指数,最后对两种权重指数乘法加权求出WKNN算法定位权重,仿真实验表明,WE-P-WKNN比常见的WKNN算法定位精度有明显提升。