煤炭能源在我国占有举足轻重的地位,但煤矿井下的安全条件相对薄弱。针对现有井下定位系统并不能实时准确地向求援人员提供位置信息以及运行轨迹,在发生重大事故时往往致使救援人员错失最佳救援时机。鉴于此,对井下定位系统进行改善已经迫在眉睫。具有自主导航功能的捷联惯性导航系统能够不受井下复杂环境的干扰,提高人员或设备导航数据的精度。因此为了改善定位质量本文将捷联惯性导航系统引入煤矿井下。初始对准精度的高低对捷联惯性导航系统的定位精度具有举足轻重的影响。故本文重点研究设计一种合理的适用于煤矿井下复杂环境的初始对准滤波算法,在减少计算量与滤波发散的同时最大限度地提高初始对准的精度,保证定位的准确性。结合煤矿井下的具体应用环境,通过对传统线性卡尔曼滤波以及EKF(Extended Kalman Filter)算法等几种应用于捷联式惯性导航系统初始对准滤波算法的研究、分析和比较,得出的运用适应性更强的非线性滤波UKF(Unscented Kalman Filter)算法能够使得滤波精度更高,收敛速度更快。针对煤矿井下噪声的非高斯分布、位置随机误差以及外部干扰等不确定因素,对UKF进行优化改进,并且在引入闭环滤波系统,降低算法计算量的同时,减少了滤波的发散,提高了系统的实时性。本文通过对初始对准滤波算法和捷联式惯性导航系统误差的优化和相互融合,完成捷联惯性导航系统初始对准数据的精准校正。在论文中对传统线性卡尔曼滤波、EKF和优化改进的UKF进行仿真对比,验证了优化改进的UKF算法在非线性条件下的实用性以及初始对准精度的提高。