随着技术的更新迭代,井下定位技术慢慢从传统的有线通信技术过渡到无线通信技术。其中,利用无线信号即可以通信,又能够进行测距、定位等日常活动,成为生活中非常重要的资源。无线信号具有灵活性好、传播快、覆盖范围大、能耗低等特点,实现定位的硬件设施要求低,比如携带传感器的智能手机、平板等,是实现不同环境下定位的一种重要方法。然而,煤矿井下环境与一般的室内环境不同,它的环境不确定性更大,井下工作人员的活动以及各种采掘机械工具都会对无线信号的传播产生很大的影响,使得实现高效精准的井下定位系统充满了挑战和难题。本文在内蒙古自治区科技计划项目的资助下,研究地磁/无线信号在煤矿井下实现高精度的定位算法。围绕如何减小煤矿井下RSSI信号因环境的变化而产生的影响、研究简单高效的数据采集办法和建立实时有效的指纹数据库、采用更先进的定位算法来进一步提高井下人员的定位精度等目标。本文在实现上述目标过程中各自采用了井下无线信号的特征分析与选择,数据重采样和分割、确定性指纹匹配算法、LSTM神经网络、注意力机制、梯度提升树融合定位算法等理论,并进行了相关试验,结果表明:本文提出将地磁信号作为实现井下人员定位的信号具有一定的可行性,并且表明融合定位算法在复杂环境下确实有更好的定位效果。本文基于神经网络强大的学习能力,利用地磁信号在井下环境产生的明显特征进行定位研究,主要研究内容如下:（1）提出了一种基于注意力机制的LSTM地磁定位算法,并进一步提出分层LSTM地磁定位模型本文针对传统无线信号用于井下定位不稳定、不精确问题,本文基于地磁序列信号选择长短时记忆神经网络模型作为匹配算法,为了加快模型的收敛速度,引入注意力机制,并且进一步提出一种分层长短时记忆网络定位模型。该模型通过结合更多历史地磁信号增加不同位置的差异性,进一步提高定位精度。通过实验表明,本文采用的LSTM定位模型比一般的神经网络定位性能提高了0.6米的精度。（2）研究井下数据采集方法与数据特征煤矿井下的物理环境与地面截然不同,环境的特殊性使的井下数据采集困难很多,当井下环境没有很大变化时,地磁信号表现的很稳定,因此在煤矿井下采用序列增强算法生成大量地磁轨迹用于模型训练和测试,避免人工广泛的去采集信息。（3）提出了一种多源融合的梯度提升树（GBDT）定位模型由于煤矿井下的特殊性,单一信号很难实现高精度的定位,本论文使用Stacking策略将单模定位结果合并得到新的训练集,因为梯度提升树的稳定性和强鲁棒性,本论文使用GBDT学习每种基站射频信号定位结果的权重。基于单模定位结果（WiFi、地磁）构建新的训练集。实验结果很好的验证了算法的性能,算法模型将两种信号源的优势结合起来,比采用电磁信号定位精度提高了0.4米。