L'égalisation adaptative des canaux radio-mobiles est réalisée par réseaux neuronaux RBFNN et RBFNN- DF. Une architecture pour l'égaliseur RBFNN-DF est proposée, elle se caractérise par une réduction du nombre des neurones de la couche cachée. Un algorithme de classification non-supervisé est proposé, il se caractérise par sa convergence rapide et ses bonnes performances. L'apprentissage des paramètres seuils et poids de connexions, est réalisé par des algorithmes d'apprentissage basés descente de gradient. Ces algorithmes utilisent deux critères d'optimisation, l'EQM et le TEB, et deux modes d'apprentissage, le gradient stochastique, et le gradient total, ainsi qu'un troisième mode on- line proposé combinant les avantages de deux modes (rapidité, stabilité de convergence, et faible occurrences des minimums locaux). Une analyse comparative des performances obtenues, dans le cas d'un canal non-linéaire et non stationnaire, des différents égaliseurs est réalisée. Les égaliseurs proposés, sont ensuite, testés sur un modèle TDL dont les paramètres ont été totalement déterminés, conformément aux données décrites par les standards de télécommunications GSM et UMTS