La tecnología de localización está desempeñando un papel cada vez más importante en la vida urbana. Diversas tecnologías de posicionamiento inalámbrico activas y pasivas para terminales móviles han atraído la atención de la investigación. Sin embargo, las señales de posicionamiento experimentan interferencias graves en áreas residenciales de alta densidad o en el interior de edificios grandes. El principal tipo de interferencia es la causada por la propagación sin línea de visión (NLOS). En este documento, presentamos un nuevo método para optimizar la medición del ángulo de llegada (AOA) para obtener resultados de ubicación de alta precisión basados en la optimización de políticas próximas (PPO). PPO es una nueva familia de métodos de gradiente de políticas para el aprendizaje por refuerzo, que se puede utilizar para ajustar los datos de muestreo bajo diferentes entornos utilizando el ascenso estocástico de gradiente. Por lo tanto, PPO puede corregir los errores de propagación NLOS para producir un conjunto de datos de medición de AOA claro sin construir una base de datos de huellas dactilares sin conexión. Luego, utilizamos el método de mínimos cuadrados para calcular la ubicación. El resultado de la simulación muestra que el algoritmo de ubicación pasiva de AOA basado en PPO produjo información de ubicación más precisa.