水声信道的有限带宽特性制约着通信速率,复杂的信道特性使信号传输易遭到干扰和吸收衰减的影响引起信号失真,降低了通信质量。运用频带利用率高、能有效恢复信号的均衡技术和抗干扰能力强的调制技术是实现稳定可靠水声通信性能的重要保障。盲均衡技术是仅利用接收信号的先验统计信息,不需发送训练序列就可以恢复出原始信号的信道补偿技术,有效的弥补了水声信道带宽受限的问题。正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术被广泛采用。一方面,它将频率选择衰落性信道分为多个正交的平坦衰落信道,实现了快速的数据传输。另一方面,它允许传输数据流的频率叠加,使信道的频谱利用率得到了质的提升。极限学习机（Extreme Learning Machine,ELM）作为一种新型的前馈神经网络,其凭借快速的学习速率和优越的非线性处理能力在信道均衡中得以广泛应用。因此,本文对基于极限学习机的水声通信系统盲均衡方法展开了研究,主要工作如下:（1）在深入研究极限学习机网络结构和学习算法的基础上,提出用极限学习机作为网络均衡器实现水声信道的盲均衡,构建了基于传统代价函数的极限学习机水声信道盲均衡算法。即将常模算法（Constant Modulus Algorithm,CMA）和多模算法（Multi-Modulus Algorithm,MMA）的误差函数与极限学习机约束条件结合来构建代价函数,并利用迭代重加权最小二乘的方法对输出权值分别进行批量和在线训练,详细阐述了算法原理,并进行了仿真实验,结果表明,所构建的OS-ELM-SVR-CMA/MMA相比于ELM-SVR-CMA/MMA有着优越的均衡性能。（2）研究了OFDM水声通信系统原理。针对OFDM子载波盲均衡,基于常模信号和多模信号的子载波盲均衡算法,利用极限学习机的非线性处理能力,将其作为盲均衡器构建基于极限学习机的OFDM水声通信系统子载波盲均衡算法,通过设置相关条件参数进行仿真实验并给出了结果分析。