高铁的快速发展,为人们出行提供了更加便利的条件,也为无线通信提供了新的应用和部署场景。高铁场景作为典型的高速场景之一,不仅具有典型高速场景所具备的显著多普勒效应和强时变性特点,还有高铁场景布网的一系列特征。第五代移动通信技术(5th-Generation,5G)商用的规模正在世界范围内逐渐扩大,5G新空口(New Radio,NR)采用的正交频分复用系统必将面临高铁场景带来的挑战。多普勒效应对子载波正交性的破坏,以及时变信道带来的信道估计误差等,都已成为NR高速场景有待攻关的课题。本文首先研究了高铁场景的建模,然后在单频网模型的基础上,进行了增强技术的研究。为了优化高速场景下的信道估计精度,本文采用了频偏估计与信道估计联合优化的方案。研究了三种已有的多径频偏估计算法,提出了一种更高精度的算法——线性拟合最小二乘频偏估计算法;采用维纳滤波将频偏估计与信道估计联合,提高信道估计精度。对各算法对应的系统性能进行了验证,通过结果分析了各算法的性能差异以及本文所提算法的性能优势。其次,为了解决高速场景下的NR系统最佳参数集选择问题,本文分析了原有信道模型精度不够的缺陷,对信道模型进行拓展。基于拓展后的信道模型,设计了基于样值点的仿真方法,在不同解调参考信号图样下进行了不同参数集的性能评估,并给出了高速场景下的参数集配置建议,为现网部署提供参考。最后,采用频偏跟踪策略,提高频偏估计精度,也是频偏估计增强的常用方案。本文研究了传统基于卡尔曼滤波的频偏跟踪方案,根据高铁场景下的频偏阶段性变化的特征,提出了基于状态转移的频偏跟踪算法,并通过仿真验证了其性能优势。所提频偏跟踪方法能够对于快速变化的频偏进行更精准的跟踪,有效减小残留误差的影响。