La localización ha sido ampliamente estudiada debido a su gran potencial en diversas áreas, como Internet de las cosas, 5G y servicios de vehículos aéreos no tripulados. Sus amplias aplicaciones incluyen la automatización del hogar, la automatización avanzada de la producción y el control de vehículos no tripulados. En este estudio, proponemos un nuevo método de localización que utiliza una red neuronal convolucional (CNN) y señales de banda ultraancha (UWB). Un problema de localización se convierte en un problema de regresión con la CNN propuesta, en la que se integran las fases de alcance y posicionamiento. Al integrar las fases de alcance y posicionamiento, la CNN propuesta estima la ubicación del transmisor UWB directamente sin ningún paso adicional. Para integrar ambas fases de localización, se propone un método de generación de imágenes de entrada simple pero eficiente. En el método propuesto de generación de imágenes de entrada, se generan tres imágenes de entrada bidimensionales sobremuestreadas a partir de las tres señales UWB recibidas y se proporcionan a la CNN diseñada a través de los tres canales, que están representados por los canales de color rojo, verde y azul, respectivamente. El sistema de localización basado en CNN propuesto luego estima la ubicación del transmisor UWB directamente utilizando la imagen de tres canales como entrada de la CNN. Los resultados de la simulación verifican que el método de localización basado en CNN propuesto supera a los métodos tradicionales basados en umbrales y a los métodos existentes basados en CNN. Además, se observa que el método propuesto funciona bien en un entorno asimétrico, a diferencia del método existente.