传统的行人航位推算（PDR）算法用于井下人员定位时，因步频检测、步长估计和航向估计阶段的姿态累计误差导致定位误差逐渐增大，而常用的零速校正、航向漂移消除、步态信号优化等误差修正方法无法改变PDR算法的固有缺陷，定位精度有待提高。提出采用改进的峰值检测法实现PDR算法中步频检测，基于深度循环神经网络（RNN）实现步长估计。将改进的PDR算法用于井下人员定位：首先采用手机加速度计、陀螺仪、磁力计获取行人运动数据，然后采用改进的峰值检测法获取固定时间间隔内的平均步频，与时间间隔、加速度及加速度方差作为特征输入训练后的深度RNN模型进行步长估计；最后结合估计的航向角预测人员当前位置。试验结果表明，改进的井下人员定位PDR算法对测试集数据的预测相对误差为5.9%，对实际测试路线的定位相对误差为1.6%~3.9%，小于传统PDR算法定位误差，有效提高了井下人员定位精度。