大气湍流下激光通信易出现相位波动和光束漂移的现象，导致自由空间激光通信的误码率升高。针对此问题，提出一种基于深度学习的大气湍流下激光通信波前还原方法。使用卷积长短时记忆模型提取激光波前序列的时空特征，对激光波前的相位波动进行学习；对ConvLSTM模型进行改进，使其具有捕捉波前移动的能力，从而捕获大气湍流下激光束漂移的信息；结合生成对抗网络对所提神经网络进行训练，再用训练的网络对接收的光束波前进行预测或还原。仿真结果表明，与其它基于深度学习的激光通信波前还原方法相比，所提方法在弱、中、强三种湍流强度下的波前还原性能均有优势，且在强湍流下的优势更明显。