煤炭工业在我国整体经济发展中有着不可替代的位置。然而煤矿井下环境变化无常，极易出现瓦斯爆炸、透水、顶板坍塌等安全事故，实现对设备、人员及时的跟踪对灾后救援、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，但无法跟踪被遮挡的运动目标且信号无法到达深处地下几十米的巷道中，所以，基于对 WSN和跟踪系统发展程度和相对复杂环境中跟踪模型的学习，选择基于RSSI的井下环境WSN跟踪算法研究作为本文的主要研究点。　　首先，介绍了基于WSN跟踪技术的国内外发展现状，具体介绍了基本的目标跟踪算法和指纹匹配技术，在此基础上，本文提出基于改进卡尔曼滤波的井下跟踪算法。其中，提出一种卡尔曼—均值复合滤波器来有效降低井下复杂结构对已知节点接收到未知节点发射的RSSI所产生的影响；针对井下巷道无线信号传输特性，结合了基于 K近邻法的指纹匹配算法、观测噪声方差估算方法与卡尔曼滤波跟踪算法，实现对井下目标的跟踪。　　其次，本文针对煤矿井下特殊的环境，提出了基于改进粒子滤波的跟踪算法。文中对贝叶斯估计、蒙特卡洛方法、重要性采样以及重采样进行了详细的介绍，传统的粒子滤波算法在初始化阶段随机均匀分布粒子，这种初始化的方法利用信息少，通过在还没有执行 PF算法时先采用指纹匹配进行位置估计，利用此结果对初始化概率分布进行设计保证了粒子的多样性。考虑到在传统跟踪算法中的定位精度不能达到粒子滤波算法中的观测误差要求这一问题，将基于核函数法的指纹匹配算法的定位结果作为经过初始化优化的粒子滤波算法的观测值，提高观测精度，最终利用改进粒子滤波算法得到目标的运动轨迹，实现对井下目标的跟踪。　　最后，通过相应的软、硬件平台构建一个煤矿井下跟踪网络架构，采集的信息先储存在MySQL中，形成数据库，再通过Matlab软件进行处理。实验结果表明，本文改进算法有效降低了因井下环境对 RSSI的影响造成的误差，进一步提高了跟踪精度，从而极大地增强了跟踪系统的鲁棒性。改进跟踪算法的误差基本控制在合理范围内，可以满足矿井下目标跟踪需求。