作为无线通信系统中的重要组成部分,不同帧同步方法性能的优劣,直接影响整个无线通信系统的性能。寻求更低错误概率的帧同步方法,是专家学者一直以来的研究兴趣所在。然而,大量非线性器件造成无线通信系统中不可避免地存在非线性失真,从而降低了帧同步错误概率性能。为改善帧同步错误概率性能并降低通信系统的误比特率（Bit Error Rate,BER）,本文主要工作如下:首先,利用极限学习机（Extreme Learning Machine,ELM）网络学习非线性的能力,研究了一种非线性失真条件下基于ELM的帧同步方法。首先,通过预处理初步捕获同步度量的粗特征;然后,构建ELM网络学习并估计帧边界偏移量。分析与结果表明,相比于经典帧同步方法,在非线性失真条件下,基于ELM的帧同步方案能够有效降低帧同步错误概率,且研究方案具有鲁棒性。其次,通过开发帧间相关性,研究了一种基于ELM帧同步的改进方法。首先,对多帧数据进行加权叠加预处理;随后,将预处理后的同步度量送入ELM帧同步网络进行离线学习。实验仿真表明,相比于基于互相关帧同步、基于压缩感知（Compressed Sensing,CS）帧同步和基于ELM的帧同步方法,改进方法有效改善了帧同步错误概率性能。最后,针对基于ELM的帧同步方法中,训练序列不可避免地占用带宽资源的问题,研究了一种基于ELM的叠加帧同步方法,从而在降低帧同步错误概率的同时,避免用于同步的训练序列的带宽资源占用。在发射端,将训练序列加权叠加到数据符号上进行传输;在接收端,通过构建ELM网络学习并获得帧偏移值。与现有的一些方法相比,研究方法不仅节省了带宽资源,而且改善了帧同步错误概率和符号检测的BER。本文研究的基于ELM的帧同步方法可应用于突发通信系统,或对机器学习（Machine Learning,ML）有更高需求的通信系统中,如第五代（5th Generation,5G）无线通信系统、第六代（6th Generation,6G）无线通信系统等。