我国煤炭资源丰富,煤炭工业一直都是国民经济产业的重要组成部分。紧随信息时代,将互联网+大数据等信息科技技术引入煤炭工业将会大大提高其生产效率,不仅如此,还能有效实施矿井下的监控管理,以及安全隐患的预防和发生事故时的紧急施救。其中保证井下人员及设备的安全是是整个产业链的前提。反观煤矿井下的环境,地形复杂,很容易发生瓦斯爆炸、透水、顶板塌方等一些安全隐患,如果能实时对设备、人员进行跟踪对发生矿难后的救援以及平时的安全生产等工作起到积极的促进作用。然而,目前较成熟的跟踪技术有雷达和GPS跟踪系统,二者均可在地面上被广泛使用,但煤矿井下距地面几十米,内部设备多,遮挡信号严重,上述技术无法在井下自由应用。因此,通过对无线传感器网络、跟踪算法研究现状及井下跟踪系统进行研究分析,确定了本文的研究方向——井下无线传感器网络多模型估计自适应目标跟踪算法研究。首先,研究了经典卡尔曼滤波目标跟踪算法中目标运动模型及量测模型的建立,基于模型的思想和目标在运动时的特征,分别研究了目标匀速运动模型,即CV模型、目标的匀加速运动模型,即CA模型、目标加速度有变化时的Singer模型和“当前”统计模型。针对运动目标运动模式的不确定性,研究了交互式多模型目标跟踪算法的仿真实现。其次,针对交互式多模型算法中存在的模型间转移概率矩阵固定和模型集不变的缺陷,分别提出两种修正算法:隐马尔科夫模型修正下的交互多模跟踪算法和模型关系有向图辅助下的KL-VSIMM目标跟踪算法,有效改善了跟踪精度和灵敏度,达到对目标的自适应跟踪。最后根据煤矿井下巷道狭长的地形特点,均匀布放传感器节点,基于在地下管廊的实测数据拟合的RSSI-距离曲线,对目标进行定位,针对井下传感器节点的铺放位置结合局部异常因子检测算法对定位结果进行野值点剔除,结合多模型跟踪算法,采用无线传感器网路分布式分簇的跟踪方式实现了井下的目标跟踪系统。