发光二级管的非线性特性、环境光干扰以及信道噪声等因素会引发可见光通信系统出现非线性失真的现象，导致可见光通信系统的误码率升高。针对该问题，提出一种新的深度神经网络模型，并基于该模型对可见光通信系统的非线性失真符号进行无监督地还原处理。建立了可见光通信系统的数学模型，分析了引起信号出现非线性失真现象的多种因素；利用循环神经网络学习可见光信号序列的短期相关性，利用门控循环单元学习可见光信号序列的长期相关性；采用密集网络学习输入光信号与接收光信号之间的非线性映射关系。仿真结果表明，所提神经网络能有效降低可见光通信系统的误码率，并且在不同调制阶数与不同带宽条件下均实现了较好的效果。