Este documento presenta un esquema mejorado de identificación de línea de visión (LOS)/no línea de visión (NLOS) de banda ultra ancha (UWB) basado en un método híbrido de aprendizaje profundo y transferencia de aprendizaje. Los estudios anteriores tienen limitaciones, ya que la precisión de clasificación disminuye significativamente en un lugar desconocido. Para resolver este problema, proponemos un método de identificación de NLOS basado en transferencia de aprendizaje para clasificar las condiciones de NLOS de la señal UWB en un entorno no medido. Tanto el perceptrón multicapa como la red neuronal convolucional (CNN) se presentan como clasificadores para las condiciones de NLOS. Evaluamos el esquema propuesto realizando experimentos en entornos medidos y no medidos. Los datos del canal se midieron utilizando un Decawave EVK1000 en dos entornos de oficina interiores similares. En el entorno no medido, el método CNN existente mostró una precisión de aproximadamente 44%, pero cuando se aplicó el esquema propuesto al CNN, mostró una precisión de hasta el 98%. El tiempo de entrenamiento del esquema propuesto se midió aproximadamente 48 veces más rápido que el del CNN existente. Al comparar el esquema propuesto con el aprendizaje de un nuevo CNN en un entorno no medido, el esquema propuesto demostró una precisión aproximadamente 10% mayor y un tiempo de entrenamiento aproximadamente cinco veces más rápido.