Para abordar los problemas de la alta complejidad y el bajo rendimiento de la tasa de error de bits (BER) de los sistemas de comunicación tradicionales en entornos acústicos submarinos, este documento incorpora la teoría del aprendizaje profundo en un sistema de comunicación convencional y propone comunicaciones de filtro multicarrier acústico submarino basadas en datos impulsados por redes de autoencoders convolucionales. El sistema propuesto está optimizado globalmente por dos módulos convolucionales unidimensionales (Conv1D) en el transmisor y el receptor, realiza la reconstrucción de la señal a través del entrenamiento de extremo a extremo, evita efectivamente la interferencia imaginaria inherente del sistema y mejora la fiabilidad del sistema de comunicación. Además, se construyen módulos de bloques densos entre capas Conv1D y se conectan entre capas para lograr la reutilización de características en la red. Los resultados de simulación muestran que el rendimiento de BER del método propuesto supera al del sistema FBMC convencional con algoritmos de ecualización de canal como la estimación de mínimos cuadrados (LS) y los espejos virtuales de inversión de tiempo (VTRM) bajo las condiciones del canal medido en un momento determinado en el río Qingjiang.