本发明公开了一种基于深度学习的脉冲噪声削减方法，包括：随机生成用于模型训练的信息，经过编码、调制、信道传输后与特定参数的高斯白噪声和脉冲噪声叠加；将叠加后的噪声与信息作为神经网络的输入，脉冲噪声序列作为神经网络的标签，训练脉冲噪声检测模型；随机生成需要传递的信息，经过编码、调制后叠加与模型训练参数相同的信道噪声与脉冲噪声；将叠加后的信号与噪声作为模型的输入，用训练好的检测模型检测其脉冲噪声；对模型检测出的脉冲噪声点进行削减；解调信息，根据发送端传递的信息与接收端获取的信息求取误码率。本发明方法简单，易于实现，性能优于传统方法，对于不同参数的噪声都有较好的脉冲噪声削减效果，适应性广。