L'egalisation adaptative des canaux radio-mobiles est realisee par reseaux neuronaux RBFNN et RBFNN- DF. Une architecture pour l'egaliseur RBFNN-DF est proposee, elle se caracterise par une reduction du nombre des neurones de la couche cachee. Un algorithme de classification non-supervise est propose, il se caracterise par sa convergence rapide et ses bonnes performances. L'apprentissage des parametres seuils et poids de connexions, est realise par des algorithmes d'apprentissage bases descente de gradient. Ces algorithmes utilisent deux criteres d'optimisation, l'EQM et le TEB, et deux modes d'apprentissage, le gradient stochastique, et le gradient total, ainsi qu'un troisieme mode on- line propose combinant les avantages de deux modes (rapidite, stabilite de convergence, et faible occurrences des minimums locaux). Une analyse comparative des performances obtenues, dans le cas d'un canal non-lineaire et non stationnaire, des differents egaliseurs est realisee. Les egaliseurs proposes, sont ensuite, testes sur un modele TDL dont les parametres ont ete totalement determines, conformement aux donnees decrites par les standards de telecommunications GSM et UMTS"