随着信号处理技术的快速发展,频率估计在移动通信、电力监测等众多工程领域得到广泛应用,因此对淹没在噪声中的正弦信号进行频率估计具有重要意义。近年来,由快速傅里叶变换实现的离散傅里叶变换（Discrete Fourier Transform,DFT）被广泛应用于信号的频率估计中,然而DFT变换有许多的缺点和限制,比如频谱泄露与栅栏效应,DFT的频谱泄露又分为由正频率引起的短程谱泄露和由负频率引起的长程谱泄露,这些问题严重影响了频率估计的精度。因此,本文围绕正弦信号的频率估计问题展开研究,具体研究内容包括:首先,研究了与频率估计相关的基础理论知识,分别讨论了用于频率估计的复正弦信号模型与实正弦信号模型,并对比了它们在时域与频域的区别。在实际生活中,信号往往伴随着噪声存在,因此本文介绍了通信系统最常出现的高斯白噪声以及含噪声信号的概率密度函数。接着分析了DFT进行频率估计存在的频谱泄露与栅栏效应问题。为了衡量算法的优劣,详细介绍了衡量频率估计精度常用的偏差、方差等参数,并推导了均方误差的下限——克拉美罗下限（Cramer-Rao Lower Bound,CRLB）。然后,研究了基于DFT的频率估计算法,重点分析并推导了几种基于插值傅里叶变换（Interpolated Discrete Fourier Transform,Ip DFT）的频率估计算法与基于智能离散傅里叶变换（Smart Discrete Fourier Transform,SDFT）的频率估计算法,并通过实验仿真验证对比了各算法的性能。基于Ip DFT的算法是通过相同时刻的不同的谱线值进行频率估计,而基于SDFT的算法是通过不同时刻的同一处谱线值进行频率估计。这两类算法均可以补偿频谱泄露以及粗估计出的频率与信号真实频率之间的误差,进一步提高频率估计的精度,但大多数算法没有完全消除频谱泄露的影响。接着,针对现有的Ip DFT算法所存在的问题,本文提出了一种精准的基于矩形窗的三点插值DFT频率估计方法,并详细推导了该算法的理论方差,通过对比理论方差与真实方差可以看出算法具有良好的性能。该算法通过使用矩形窗最大程度地减少白噪声的干扰。由于正负频率的频谱叠加,使用三点插值DFT可以消除短程和长程频谱泄漏。仿真实验结果表明,即使在正弦波周期数较小时,该算法的频率估计性能也优于现有的Ip DFT算法。最后,为了消除三相电力系统中不平衡的影响,本文提出了两点迭代Ip DFT算法。首先描述了不平衡系统模型,并通过简单的信号分解策略将不平衡信号转换为实值正弦信号,然后采用二等分法以最小的误差迭代搜索系统频率。该算法具有两个特点:首先,在建立代价函数时,去除了作为参考元素的幅度和相位。因此,在迭代过程中,无需考虑信号幅度和相位值的影响。其次,使用由负频率和正频率引起的长程和短程谱泄漏来设计代价函数,以补偿频谱泄漏。仿真结果表明,该算法与其他算法相比具有更高的频率估计精度、更稳定的频率追踪能力以及更快的收敛速度。