正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)技术能有效地克服宽带产生的多径干扰,显著降低接收端均衡器的复杂度。多输入多输出(MIMO,Multiple Input Multiple Output)技术能够在不增加系统带宽和发射功率的前提下显著增加信道容量。因此,OFDM和MIMO技术的结合已经成为未来宽带无线通信领域最有吸引力的候选方案。本论文将针对MIMO-OFDM系统核心技术中的频率偏移估计和信道估计进行深入研究,获得如下贡献:(一)针对传统的基于虚子载波的最大似然(ML,Maximum Likelihood)频偏估计器计算复杂度高的问题,本文提出了一种基于逆快速傅立叶变换(IFFT,InverseFast Fourier Transform)和分段搜索方法的低复杂度频偏估计器。通过在加性高斯白噪声(AWGN,Additive White Gaussian Noise)信道和典型市区(TU,Typical Urban)信道下的仿真,验证了该改进后的估计器在显著降低计算复杂度的前提条件下,提供了接近原估计器的均方误差(MSE,Mean Square Error)性能。(二)传统宽带不相关MIMO-OFDM系统中常用的梳状训练结构(CTTP,Comb-Type Training Pattern)会造成高的峰均功率比(PAPR,Peak-to-Average PowerRatio)。为了克服该问题,本文从时域角度,推导了基于最大似然信道估计器的最优训练序列需要满足的条件,构造了一种基于循环位移Chu序列的时域最优训练序列。在TU信道下的仿真结果表明:本文提出的训练序列可以达到与循环梳状频域训练序列相同的MSE和误比特(BER,Bit Error Rate)性能。(三)在宽带相关MIMO-OFDM系统中,基于线性最小均方误差(LMMSE,Linear Minimum Mean Square Error)信道估计器的最优训练序列没有封闭解。为了解决该问题,本文从时域角度推导了LMMSE估计器所能达到的MSE下限,在此基础上获得时域最优训练序列满足的条件:该最优训练序列的功率应分布在信道相关矩阵特征向量空间的方向上,并根据特征值的大小进行最优功率分配,当信噪比较高时退化为等功率分配。通过在相关MIMO宽带信道中的仿真,验证了该等功率分配的序列在中、高信噪比区域可以达到与最优功率分配的序列相同的性能。