深度学习技术在图像处理、机器视觉等领域的应用取得了显著成效.基于此,对基于深度学习技术的水声信道均衡算法进行研究,提出了基于堆栈自编码器的水声信道均衡算法.该算法将堆栈自编码器作为均衡器,采用“类贪婪法”进行逐层训练,然后反向微调整个深度网络.水声信道仿真结果表明,与常数模算法(Constant Modulus Algorithm,CMA)和基于RBF神经网络的均衡算法(Equalization Algorithm based on RBF,REA)相比,基于自编码器的均衡算法(Equalization Algorithm based on Auto-encoders,AEA)和基于堆栈自编码器的均衡算法(Equalization Algorithm based on Stacked Auto-encoders,SAEA)都表现出更好的均衡性能,其中堆栈自编码器算法表现最优.