我国煤矿生产环境比较恶劣,事故比例远高于世界平均水平。在井下应用无线媒体传感器网络可以提高对其环境的感知能力,及时发现危险以降低事故发生率。基于以上情况本文提出基于矿工行为分析的无线多媒体传感器网络优化方法,从矿工行为和无线多媒体网络优化两个方面提高矿井下的安全性。本文研究了矿井下矿工的移动行为模式,提取其特征,建立基于隐马尔可夫模型的矿工移动行为分析。在矿工的移动行为模型中,将矿工的移动轨迹作为观测序列,把矿工所处的状态如“工作”、“休息”等作为隐藏状态序列。通过机器学习的方法,确定矿工状态转移矩阵和发射概率矩阵两个参数,描述其移动行为。针对矿工在井下状态不易获取和隐马尔可夫模型位置预测能力较弱的情况,本文给出将时间状态作为隐藏状态的简化模型。在研究了井下的群体移动行为,本文给出无线多媒体传感器监测热点区域的概念,在此基础上使用马尔可夫过程描述热点区域转移,给出了无线多媒体传感器节点在井下的节能优化方法。经实验证明,本文给出的基于隐马尔可夫的矿工移动行为模型,揭示了矿工移动行为与矿工所处的移动状态存在潜在的关联,即可对矿工日常移动行为进行位置预测,同时可以通过矿工日常的移动分析矿工在井下的行为,提高对矿工在井下异常行为发现能力。简化模型也可以较好描述井下移动行为。最后基于群体矿工行为可对无线多媒体传感器网络能耗进行优化,提高网络生存时间。