Los esquemas de localización en interiores tienen un potencial significativo para su uso en servicios basados en la ubicación en áreas como fábricas inteligentes, realidad mixta y navegación en interiores. En particular, la huella digital basada en la fuerza de la señal recibida (RSS, por sus siglas en inglés) se utiliza ampliamente, dada su simplicidad y bajos requisitos de hardware. Sin embargo, la mayoría de los estudios tienden a centrarse en la estimación de la posición 2D del objetivo. Además, se sabe que el esquema de huella digital es costoso computacionalmente y su precisión de posicionamiento se ve fácilmente afectada por fluctuaciones aleatorias en los valores de RSS causadas por el desvanecimiento y el efecto de trayectoria múltiple. Proponemos un esquema de localización en interiores en 3D basado tanto en la huella digital como en una red neuronal convolucional (CNN) en 1D. En lugar de utilizar el método convencional de coincidencia de huellas digitales, transformamos el problema de posicionamiento en 3D en un problema de clasificación y utilizamos el modelo de CNN en 1D con los datos de series temporales de RSS de balizas de bajo consumo de energía Bluetooth para la clasificación. Al utilizar la CNN en 1D con los datos de series temporales de múltiples balizas, se supera la desventaja inherente de la huella digital basada en RSS, es decir, su susceptibilidad al ruido y a la aleatoriedad, lo que resulta en una mayor precisión de posicionamiento. Para evaluar el esquema propuesto, desarrollamos un sistema de posicionamiento en 3D y realizamos pruebas exhaustivas, cuyos resultados confirmaron que el esquema supera significativamente el algoritmo de clasificación de patrones espaciales común convencional.