现今，国内煤矿安全生产的要求越来越高，因此建立可靠实用的煤矿井下人员跟踪定位系统对煤矿的安全生产管理有着重要的现实意义。但是我国的煤炭工业与发达国家相比，信息化水平起步晚，国内目前所使用的井下人员跟踪系统，实际上仅仅是一种考勤记录系统，而非真正的人员定位跟踪系统，无法实时地报告井下人员的具体位置。井下人员的精确定位技术在国内外仍然仅限于理论研究阶段，如何提高井下人员的定位精度是当前学者们研究的重点。本文研究了基于井下信道频域模型及TDE(time delay estimation)技术的井下人员精确定位方法。首先根据井下人员的定位原理和对对三种定位方法：位置推算法、邻近法和无线定位法进行了分析比较，最终选用基于距离的定位法中的TDE方法来实现井下人员的精确定位。其次，本文应用井下巷道信道频域模型进行算法研究。在信道模型和井下信道特性的基础上，分析了影响TDE精度的重要因素和几种TDE方法：直接法(IFT)、直序列扩频相关法(DSSS／XCORR)和基于信号空间相关矩阵特征分解的子空间法。本文将求根最小范数(Root-Min-Norm)超分辨率算法应用到井下定位算法当中，并通过仿真实验得到了该算法在不同多径环境、不同信噪比以及不同带宽条件下的统计特性，统计结果表明Root-Min-Norm超分辨率TDE算法具有较高分辨率、估计精度、稳定性和抗噪性，缺点是不能处理相关信号，对时间间隔较小的信号分辨率不高。因此，针对信号相关性对算法的影响，本文对Root-Min-Norm进行了修正，对信号估计协方差运用了前后向平滑处理，在小样本条件下提高了相关矩阵和TDE的估计精度。实验统计结果表明修正后的Root-Min-Norm是一种高分辨率、高精度、高稳定性的算法，具有很大的实际推广价值。