Presentamos un algoritmo de enraizamiento polinómico basado en subespacios para estimar el sesgo de frecuencia (FB) de sistemas de multiplexación por división de frecuencia generalizada (GFDM) que emplean subportadoras nulas y sub-símbolos repetitivos. El proceso de estimación se clasifica en estimación de FB fraccional (FFB) y de FB entero (IFB). El uso de sub-símbolos repetitivos crea una estructura cuasi-periódica en la señal recibida distorsionada por FB, lo que permite que el algoritmo propuesto estime el FFB utilizando el algoritmo root-MUSIC. Con base en esto, el algoritmo propuesto compensa el FFB en la señal recibida y luego estima el patrón de subportadoras nulas (NSP) en el dominio de frecuencia. Como resultado, la estimación de IFB se puede obtener de manera de máxima verosimilitud (ML). Antes de la estimación de NSP, este estudio utiliza un combinador de sub-símbolos para mejorar la intensidad de la señal de la señal alineada con FFB, asegurando la confiabilidad de la estimación de IFB. Las simulaciones por computadora muestran que el algoritmo propuesto basado en subespacios tiene varias ventajas sobre los métodos tradicionales de estimación de FB: 1. A diferencia de algunos algoritmos existentes que utilizan una secuencia de entrenamiento para estimar FB, el enfoque propuesto es un algoritmo semiciego porque puede proporcionar información a través de sub-símbolos repetidos al estimar FB; 2. El algoritmo propuesto demuestra una excelente precisión de estimación en comparación con la mayoría de los algoritmos tradicionales de estimación de FB; y 3. El algoritmo propuesto es computacionalmente eficiente, lo que lo hace aplicable a aplicaciones en tiempo real en futuros sistemas de comunicación.