无线传感器网络是在国内外很受关切的、多种科目交集的、知识高度集中的前端热门研究领域。并且此技术上到国家安全、军事领域,下至家庭、医疗领域都得到了广泛的应用,这些应用已经深刻地融入了我们平时的生活。这当中定位技术是无线传感器网络的首要枢纽。若不能准确知道感测区域中目标的位置,那得到的监测数据是没有任何意义的。尤其在本文矿井环境应用中,对定位的准确度提出了更高的要求。因而,本文在测距算法的基础上对定位技术进行了研究,本文的研究内容归纳如下:首先,分析了井下环境的特点,并介绍了接收信号强度指示(Receive Signal Strength Indicator,RSSI)的测距技术。井下环境分支较多,不能保持高的网络连通度,所以本文采用了精度较好的RSSI测距技术,同时也介绍了几种与传输路径损耗相关的无线信号传输模型,分别是自由空间传输模型、双线地面反射模型以及Shadowing模型,还阐述了几种节点位置的计算方法。其次,在RSSI测距技术的基础上,引入了粒子群算法对定位算法进行优化。详细介绍了粒子群算法(Particle Swarm Optimization,PSO)的特点和原理,并对PSO算法的优缺点进行分析。结合前人经验,针对算法易陷入局部最优解和收敛速度慢等问题提出了一点改进,将陷入局部最优的粒子初始化处理,并退回可能的局部最优值。而后具体阐述了基于改进的PSO算法的井下定位过程。最后,利用仿真软件根据井下RSSI测距模型对未知节点和信标节点间的距离进行估算。将未知节点和信标节点间的估量距离和实际距离的均方误差作为PSO算法的适应度函数,并根据速度和位置公式更新粒子的位置,再通过算法的迭代计算找到适应性更好的粒子,将井下节点定位问题转化成优化求解问题。而后介绍了基于改进PSO算法的井下定位方法的实现过程,对比PSO算法和改进后的算法,仿真结果显示:改进后的算法精度更高,收敛速度明显提升。最后比较了改进PSO定位算法与最小二乘法的定位性能,得出结论:本文研究的基于改进PSO算法的井下定位算法具有良好的收敛特性和稳定性,定位精度更高。