提出了一种基于多模型协作的信道状态信息（Channel State Information，CSI）指纹定位方法，旨在提高指纹定位的精度。为了有效解决深层网络训练中的梯度消失问题，采用了残差连接。通过引入密集连接增强了信息流动和特征重用，提升了模型的训练效果与准确性；引入轻量分离层有效减小了模型的复杂度和计算量，同时加速了模型训练；激活函数修正线性单元（rectified linear unit，ReLU）的应用帮助网络更快收敛，进一步减少了训练时间并提高了训练效率。实验结果表明，所设计的回归训练网络模型在多维对比的条件下均表现出最佳的定位效果。当训练图像数量达到5940张时，模型的定位均方根误差降至0.6361米，验证了该方法在指纹定位中的有效性。