无线定位是全球人类在生活方面与研究方面使用频率都非常高的一项技术,从定位所用信息的角度而言该技术又可以区分为由卫星信号作为主导信息的卫星定位,由物联网设备的信号为主导信息的物联网定位,以及由无线网络传输的天线信号为主导信息的无线网络定位。其中无线网络定位中又包含只需要移动网络运营商提供的发信设备作为硬件支持的蜂窝网络,且因蜂窝网络的发展形势迅猛,其覆盖面积将逐渐增大,使用蜂窝网络进行定位是一种有研究潜力的研究方向。本文以无线定位中的指纹定位方法为启发,在数据采集的时间成本相近的前提下,通过使用新兴的深度学习技术代替传统指纹定位的定位过程中繁重的指纹库生成以及距离计算来完成一种高速高精度、低占用的定位方法。本方法将建立一个卷积神经网络,并根据天线信号的接收信号强度指示、相位、到达角等特征量,选择合适的输入数据格式构造样本组建训练集,对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库,非常有利于直接在移动设备端实现定位,而最需要实现定位的也恰恰是在移动设备端。另外,虽然卷积神经网络在训练过程中需要大量时间,但在训练完毕后直接进行分类定位的速度非常快速,可以保障定位实现的实时性。在本文中所实现的训练完毕的卷积神经网络的权重与偏置所占空间仅有不到0.5MB,且能够在实际使用的环境中以95%的分类准确率以及0.0125米的平均定位误差实现定位。