El sistema de comunicación inalámbrica Wi-Fi más utilizado, que se basa en OFDM, está desarrollándose rápidamente. Sin embargo, el receptor debe estimar con precisión el desplazamiento de frecuencia de portadora entre el transmisor y el receptor debido a las características del sistema OFDM que lo hacen sensible al desplazamiento de frecuencia de portadora. La autocorrelación de los símbolos de entrenamiento es típicamente utilizada por el algoritmo convencional para estimar el desplazamiento de frecuencia de portadora. Aunque este método es simple de usar y de baja complejidad, tiene un rendimiento de estimación deficiente en relaciones señal-ruido bajas, lo que tiene un impacto negativo significativo en el rendimiento del sistema de comunicación inalámbrica. Mientras tanto, el diseño de la capa física de comunicación utilizando métodos basados en aprendizaje profundo (DL) está recibiendo cada vez más atención, pero rara vez se utiliza en la estimación del desplazamiento de frecuencia de portadora. En este artículo, proponemos una arquitectura de modelo de desplazamiento de frecuencia de portadora (CFO) basada en DL para sistemas OFDM del estándar 802.11n. Con respecto a los modelos de canal de múltiples trayectorias con diversos grados de desvanecimiento multipath, el error de estimación del modelo propuesto es, en promedio, un 70.54% menor que el del método convencional bajo modelos de canal del estándar 802.11n, y el método basado en DL puede superar el rango de estimación de los métodos convencionales. Además, el modelo entrenado en un entorno de canal y probado en otro fue evaluado de manera cruzada para determinar qué modelos podrían ser utilizados para su implementación en el mundo real. La evaluación cruzada demuestra que el modelo basado en DL puede funcionar bien en una amplia clase de canales sin entrenamiento adicional cuando se entrena bajo el modelo de canal multipath más severo.