مخابره بی سیم در محیط زیر آب یکی از پرکاربردترین و چالش برانگیزترین زمینه های مخابرات بی سیم می باشد. در کانال های آکوستیک زیرآبی(uwa) با شرایط بسیار مشکلی همانند پهنای باند بسیار کم، تاخیر زیاد، جذب انرژی بالا و ... مواجه هستیم. تخمین کانال یکی از اساسی ترین اقدامات لازم به اجرا برای داشتن تبادل اطلاعات موثر با خطایی قابل قبول در انتقال داده ها است، تا در گیرنده با معین بودن اثرات کانال بر روی سیگنال دریافتی بتوانیم بازیابی دقیقی از سیگنال ارسال شده داشته باشیم. این فرآیند در کانال های آکوستیک زیرآبی به دلیل مشخصه تغییر پذیری زمانی سریع و فرکانس گزینی شدید از اهمیت بسیار بیشتری برخوردار است. پهنای باند فرکانسی در دسترس برای مخابره سیگنال مخابراتی در کانال زیر آبی بسیار محدود و غالباً از مرتبه چند کیلوهرتز می باشد، بنابراین ناگزیر به استفاده از روشهای بهینه برای بهرهوری از حداکثر ظرفیت کانال خواهیم بود . همچنین با وجود مشخصهی فرکانس گزینی شدید در این نوع از کانالها، استفاده از سیستم های چند حاملی مانند سیستم ofdm نتایج بهتری را دربرخواهد داشت. با بهرهگیری از این سیستم نرخ ارسال دادهها افزایش یافته و همچنین طراحی جبران ساز کانال بسیار سادهتر خواهد بود. به منظور تخمین کانال های uwa در سیستم های ofdm، تا کنون روش های گوناگونی ارائه گردیده است. در پژوهش حاضر استفاده از الگوریتم یادگیری relevance vector machines (rvm) که روشی تُنک برای رگرسیون و کلاس بندی داده ها بر اساس استنتاج بایزین می باشد؛ بدین منظور پیشنهاد گردیده است. با استفاده از این شیوه برای جداسازی نویز از نمونه های دریافتی، تخمین دقیق تری از کانال بدست میآید. جبران سازی موثرتر کانال با بهرهگیری از این تخمین دقیقتر، نرخ خطای پایینتری نسبت به شیوههای سنتی ls و mmse را حاصل می نماید.