建设海洋强国是中国特色社会主义事业的重要组成部分,水声通信作为海洋开发的技术支撑之一,已经受到各界极大的关注。然而,水下环境极其复杂,水声信道具有传输衰减大、时变、多径效应严重等特性,这些因素会严重影响水声通信链路的可靠性。为了进一步提高系统性能,在一定程度上提高链路可靠性,本文开展了如下研究:首先,本文讨论了水声信道的相关特性,并且利用BELLHOP模型对水声信道进行建模。同时针对信号衰减问题,研究了协作通信技术的相关内容。重点介绍了协作通信的基本原理、中继转发技术以及分集合并技术,并对各种中继转发方式、分集合并技术的性能进行对比,为后续研究做准备。其次,为了更好地消除码间干扰及信号传输衰减的影响,本文针对水声协作传输系统,提出了一种基于深度学习的多分支联合均衡算法。该算法将联合实现对各分支信号的合并及均衡。在算法中,均衡及合并算法都是基于深度神经网络结构实现的,因为深度神经网络具有非线性拟合能力强的优势,可更好地实现码间干扰的消除及信号的合并。仿真结果表明基于深度学习的多分支联合均衡算法的性能要优于已有的方法。最后,为了进一步提高水声协作系统性能,本文在源节点引入信道编码技术。在已有的研究中,目的接收端对来自于多个节点的信号进行处理时,大多将多分支均衡与译码分开进行。但这种相互独立地分离处理,使得均衡及译码模块之间的软信息无法被充分利用。对Turbo均衡的相关研究表明,将均衡及译码联合实现,可显著提高处理的性能。借鉴于Turbo均衡的思想,本文提出了一种联合智能均衡与译码算法。该算法的均衡模块是在基于深度学习的多分支联合均衡算法的基础上实现的,这里将其拓展为判决反馈结构,以处理译码模块反馈回来的软信息,从而在均衡和译码之间构成迭代环路。仿真结果表明联合智能均衡与译码算法可进一步提高水声协作通信系统的性能。