煤炭是支撑我国经济持续发展的动力,煤矿安全事故又是制约煤矿行业健康发展的重大阻碍,因此煤矿安全问题不容忽视。我国大部分煤矿是井工煤矿,深处地下数百米增加了作业人员的危险系数,完善的井下安全监控系统是井下工作顺利进行的保障。煤矿井下目标定位作为井下安全监控系统关键技术,成为当今学者的研究重点。针对我国目前大多数煤矿所采用的射频识别定位系统定位精度低,实时性差的缺点,深入研究煤矿井下通信环境及无线传感器网络定位算法,确定了研究课题--煤矿井下无线传感器网络实时RSSI定位算法研究。论文介绍了几种经典的定位算法以及位置计算方法,并对比分析算法的优缺点。通过分析煤矿井下环境可能给测距式定位算法带来测距误差问题,选择指纹匹配非测距式定位算法作为本文的定位算法,以减小信号强度转化带来的距离误差。由于煤矿井下的空间环境是实时变化的,容易导致指纹匹配定位算法离线阶段建立的指纹地图失效,因此本文通过修正目标节点指纹和更新指纹地图两种方式解决实时定位的问题。实时性方面,动态补偿算法是一种通过修正目标节点指纹,解决实时匹配定位的方式。本文将信标节点升级为校准节点,通过校准节点间RSSI的变化量反映巷道内的时变特性,并动态修正目标节点指纹,减小在线实时指纹数据与离线指纹地图的匹配误差,提高定位实时性。分段建立近邻关系模型更新离线指纹地图是解决实时定位问题的另一种方式。为解决狭长巷道内不同分段内环境变化并不相同的问题,本文依据最近邻原则对巷道进行分段处理,为各校准节点分配最近邻参考点。BP神经网络建立各校准节点的近邻关系模型,通过校准节点实时的指纹信息更新指纹地图,减小了定位误差,增强了定位实时性。匹配定位方面,BP神经网络是常用的匹配定位算法,针对BP神经网络训练过程造成收敛速度慢,以及容易陷入局部极小的问题,本文采用PSO算法优化BP神经网络权值,扩大权值的搜索范围加速BP神经网络的收敛。同一实验背景下,通过PSO-BP神经网络与常用的匹配定位算法的定位精度进行对比,验证PSO-BP神经网络的适用性。本文最后选择近似巷道环境的地下通道作为试验场景,实验验证算法的可行性。实验结果显示目标节点指纹动态补偿后的定位结果相比于未经动态补偿的定位结果定位精度提高了约15.47%。第二种方式分段更新指纹地图定位算法的定位精度相比于不更新离线指纹地图定位方式的定位结果提高了约20.88%。