我国煤炭资源安全生产现状不佳，当突发井下安全事故时，现有井下定位系统不足以向救援者提供人员和设备的准确分布情况及运行轨迹，致使救援人员错失最佳救援时机。有鉴于此，有必要对井下定位系统进行完善，引入捷联惯性导航系统可大大改善定位精度不高的问题。初始对准是惯性导航的一项关键技术，初始对准精度的高低对导航精度具有深远的影响。当初始失准角为小角且噪声分布近似高斯时，利用卡尔曼滤波就可以起到很好的对准精度；然而当失准角为大角度且噪声非高斯分布时，已有线性滤波算法就不再适用。本文在构建适用于煤矿井下大失准角初始对准误差模型的前提下，研究适应性更强的非线性滤波算法粒子滤波来实现高精度初始对准的目的。通过对粒子滤波深入的研究分析，指出了算法存在的不足之处；针对粒子退化，本文尝试超球体采样法用于重构更好的重要函数；针对粒子耗尽，则在再采样环节引入MH步骤，提高粒子多样性，并对改进前后的粒子滤波算法做了适应性验证分析对比，仿真结果表明改进后的粒子滤波算法达到了期望的目标。根据煤矿井下作业人员及设备运动模式相对简单且机动性不高的特点，推导建立了适用于井下大失准角情况下的静基座初始对准误差模型；随后将改进的粒子滤波算法用于捷联惯性导航系统的对准仿真，仿真比较了非线性算法在初始对准中的可行性和合理性，比较了SSUPF-MH、SSUPF、UPF改进粒子滤波算法在仿真中对准精度和时间开销上的差异。