5G应用场景与业务需求的多样化对物理层的波形设计提出了更高的要求。尤其在车联网通信场景下,要求通信波形的选择能够实现超高可靠低延时与大连接,以满足未来车联网的丰富业务需求。滤波器正交频分复用(Filtered Orthogonal Frequency Division Multiplexing,F-OFDM)作为5G候选波形之一,很好的满足了这些需求。然而,F-OFDM虽然保留了正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术的所有优势,同时在系统灵活性以及对抗系统延时方面具有十分突出的优势,但它作为一种新型多载波技术,仍存在对样本定时偏移(Sample Timing Offset,STO)与载波频率偏移(Carrier Frequency Offset,CFO)敏感的问题。因此,本文以F-OFDM波形为研究基础,对其定时频率同步问题作以下研究:1.针对F-OFDM系统对CFO敏感问题,本文提出索引调制F-OFDM(F-OFDM with Index Modulate,F-OFDM-IM)系统。该系统通过在子带子载波调制中引入索引调制,一定程度上减小了由CFO产生的载波间干扰,从而降低CFO对系统通信性能的影响。最后通过理论推导与仿真分析验证了所提新系统在对抗CFO过程中的优势。2.本文所提F-OFDM-IM系统虽然在一定程度上降低了CFO对系统传输性能的影响,但同步估计仍然有必要。在研究分析现有OFDM与F-OFDM同步算法直接用于FOFDM-IM系统存在STO估计不准确、频谱利用率低、CFO估计范围太小等缺点后,本文提出一种基于F-OFDM-IM系统的定时频率同步算法。对于STO估计而言,本文选择利用两个符号完成STO估计,旨在解决现有OFDM同步算法的STO估计精度低,FOFDM同步算法频谱利用率低的问题,具有一定优势。对于CFO估计而言,本文主要针对现有基于循环前缀的算法在多径信道中估计性能较差,且估计范围仅为一个子载波间隔,而盲估计算法成本函数构造与估计计算复杂度较高问题,提出一种改进CFO估计算法,通过分析与仿真发现新提出CFO估计算法能够降低由于多径效应产生的符号间干扰对算法估计精度的影响,同时增大了估计范围。本文通过搭建系统及算法性能仿真平台验证了所提F-OFDM-IM系统以及同步算法的有效性,为5G车联网通信技术的进一步发展提供了理论支撑。