正交频分复用（OFDM）技术可以很好的满足无线通信系统的需求。但因为OFDM系统自身对载波频偏（CFO）很敏感,一旦子载波正交性受到破坏,在接收端无法恢复出正确的传输信号,会严重影响系统的性能,同时由于无线通信系统中存在非线性失真,使得频偏估计方法面临的困难更大。因此,在非线性失真影响下,实现更高精度的载波频偏估计十分重要。在此情况下,本文主要围绕OFDM系统的载波频偏估计方法展开研究,工作总结如下:（1）研究了在非线性失真条件下基于ELM的载波频偏估计。对于传统方法的载波频偏估计,具体包括ML、MUSIC、Moose和SC等算法。针对传统算法在非线性失真下精度不高的问题,引入ELM进行载波频偏估计,利用其学习非线性的能力。通过实验仿真并对均方误差（MSE）进行对比得到,在低信噪比下,当SNR=6dB时,ELM的MSE为0.0009362,ELM估计性能优于传统方法,并通过对非线性失真强度和多径数的分析,ELM网络具有一定的鲁棒性。（2）研究了在非线性失真条件下基于CNN的载波频偏估计。由于ELM网络隐含层的偏值和权值是随机给定的,容易导致结果陷入局部最小值,从而导致估计误差,进而引入CNN进行载波频偏估计,通过对网络调整参数来得到好的估计精度。通过实验仿真并对均方误差（MSE）进行对比得到,当SNR=6dB时,CNN的MSE为0.0004713,CNN的估计性能优于ELM。（3）研究了在非线性失真条件下基于ResNet的载波频偏估计。由于CNN随着卷积网络层数的增加,会产生梯度爆炸等问题,进而引入残差网络来解决层数增加的问题。通过实验仿真并对MSE进行对比得到,当SNR=6dB时,ResNet的MSE为0.0003253,其中ResNet的估计误差相比于CNN低了0.0001460,估计精度得到改善。（4）研究了在非线性失真条件下基于DRSN的载波频偏估计。由于无线通信系统中,数据信号不可避免的有噪声干扰,在残差网络的基础上引入软阈值化和注意力机制,组成DRSN网络去优化数据信号中的噪声影响。通过实验仿真并对均方误差（MSE）进行对比得到,当SNR=6dB时,DRSN的MSE为0.0002147;同时对失真强度和多径数进行了分析,DRSN方法具有鲁棒性,基于DRSN的载波频偏估计方法能发挥更好的效果。