Las comunicaciones vehiculares inalámbricas son una tecnología prometedora. La mayoría de las aplicaciones relacionadas con las comunicaciones vehiculares tienen como objetivo mejorar la seguridad vial y tienen requisitos especiales en cuanto a latencia y fiabilidad. Las técnicas tradicionales de estimación de canal utilizadas en el estándar IEEE 802.11 no funcionan adecuadamente en canales vehiculares. Esto se debe a que las comunicaciones vehiculares están sujetas a canales inalámbricos no estacionarios, variables en el tiempo y selectivos en frecuencia. Por lo tanto, el objetivo principal de este trabajo es la introducción de una nueva técnica de estimación de canal y ecualización basada en una Máquina de Aprendizaje Extremo Semisupervisada (SS-ELM) para abordar las duras características del canal vehicular y mejorar el rendimiento del enlace de comunicación. El rendimiento de la técnica propuesta se compara con estimadores tradicionales, así como con algoritmos basados en aprendizaje automático de vanguardia en un escenario urbano en términos de tasa de error de bits. El esquema SS-ELM propuesto superó a los algoritmos de máquina de aprendizaje extremo y máquina de aprendizaje extremo completamente compleja para los escenarios evaluados. En comparación con las técnicas tradicionales, el esquema SS-ELM propuesto tiene un rendimiento muy similar. También se observa que, aunque el esquema SS-ELM requiere el mayor tiempo de operación entre las técnicas evaluadas, su tiempo de ejecución todavía está muy lejos de los requisitos de latencia especificados por el estándar para aplicaciones de seguridad.