近些年来,随着无线通信技术的迅速发展,LTE (Long Term Evolution)技术也发展的更加成熟并且被大规模商用。LTE技术不仅带动了智能移动终端设备和硬件方面不断创新,而且加速了移动互联网的发展。与此同时,中国的高速铁路建设也进行的如火如茶,出口海外,成为中国科技的新名片。高铁场景下的移动通信用户越来越多,对数据业务的要求也越来越高。原有的GSM-R (Global System For Mobile Communication-Railway)系统已经满足不了快速发展的高铁通信业务的多样性和高质量通信需求,因此推行LTE-R (LTE for Railway)势在必行。高速移动场景下,用户与基站之间的相对速度非常高,这会产生较大的多普勒频率偏移。而LTE系统下行链路采用正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM),对频率偏移比较敏感,较小的频偏就会影响子载波正交性,破坏系统性能。因此在高速移动场景下,多普勒频偏估计的研究成为重要问题。就目前的研究而言,普通场景下OFDM系统载波频偏估计(Carrier Frequency Offset, CFO)已经非常成熟。高速移动场景下的多普勒频偏估计模型与OFDM系统载波频偏估计模型相似,因此可以将OFDM载波频偏估计的成熟方法运用到高速移动场景下的多普勒频偏估计中。本文主要研究了三种频偏估计算法：Moose算法、S&C算法、基于CP的算法。三种算法的原理都是通过计算部分相关求得频偏,但是相关的符号构造不同。在算法复杂度方面,Moose算法高于其他两个算法。在仿真性能上,三种算法估计误差随SNR增大而减小,低信噪比下Moose算法性能最好,但误差平台出现较早,S&C算法和基于CP的算法误差平台出现较晚。由于高铁信道符合莱斯信道特征,本文使用莱斯信道建模高铁多径时变信道,,并在该信道下对Moose算法、S&C算法、基于CP的算法性能进行评估。仿真结果显示,频偏估计误差随SNR的增大呈减小趋势,而且K因子越大,估计性能越好。考虑到MIMO技术可以降低信道的随机性,采用多天线接收信号做频偏估计再求取平均,可以提高估计性能。仿真中采用两个接收天线、三个接收天线与一个接收天线的估计性能对比,结果显示增加接收天线数可以改善估计性能,信噪比较低时,在同一频偏估计性能下每添加一根接收天线,信噪比改善2-3dB左右。多径场景下,信号传输受多径影响,接收信号为直射径和散射径叠加的结果,而高铁通信中一般具有非常强烈的直射径,接收信号主要来自于直射径的传输,散射径的效果较弱,因此本文提出采用LOS径接收的信号估计频偏的方法,降低了频偏估计的复杂度,仿真显示估计结果与原方法相比有较为明显的性能改善。在频偏估计后对接收信号进行频偏补偿,仿真显示采用LOS径估计的频偏补偿的信号误码率要小于多径信号估计的频偏补偿的信号误码率。