矿山物联网技术的发展推动了Wi Fi技术在煤矿井下的应用。如何在Wi Fi网络上实现定位功能,用以实现矿工位置信息的跟踪成为目前研究热点之一。针对现有地面室内定位技术在煤矿井下定位效果不佳。本学位论文对基于Wi Fi网络的煤矿井下定位进行了研究。本文首先对基于Wi Fi网络的定位算法进行了简介,在对各种算法的适用性比较的基础上,指出煤矿井下定位应采用基于场景的定位算法。传统的场景定位算法利用指纹匹配的思想进行定位,本文利用煤矿井下场景定位的特点,将统计机器学习理论引入到定位中,使用支持向量机,将场景定位中的指纹匹配问题转换成支持向量机中的分类问题。针对分类的准确性问题。对如何优化支持向量机参数进行了研究,并利用启发式算法优化对支持向量机参数进行优化。通过仿真分析看出,通过启发式算法优化后的支持向量机,分类准确度最高可以达到98.88%。在对井下实际定位场景环境分析的基础上,本文提出了基于网格划分的分层定位算法。算法实现定位从大范围到小区域的逐步精化。该算法与传统场景定位算法相比,充分发挥了传统场景算法优势,又有效避开了传统算法的不足,实验结果说明该算法可以获得更好定位精度和稳定性,与常用的定位系统相比算法平均定位精度提高约10%。