车联网系统是将车与路边设施、行人、网络等连接起来的系统,其在改善交通拥堵和车辆智能化控制等方面有广阔应用前景。车联网系统中数据传输的关键技术是无线通信技术。而定义和规范无线通信技术的无线通信协议中的物理层扮演着关键的角色,它对于车联网系统的稳定性、实时性以及有效性具有重要的影响。本文以物理层传输采用的OFDM技术为课题,重点研究了OFDM技术中的同步问题和信道估计问题。1、介绍了几种基于训练符号的用于解决OFDM同步技术中符号定时同步和载波频率同步问题的典型算法,包括:Schmidl&Cox(SC)算法、Minn的两种改进算法和Park算法。从理论推导和实验仿真两个方面分析了这三种算法的优缺点。2、针对SC、Minn和Park算法中符号定时度量函数曲线存在的问题,包括:“平台效应”、曲线峰值不够尖锐、“侧峰”干扰等,本文提出了一种基于CAZAC序列的改进时频同步方案。该方案中提出的新训练符号由于其本身的结构特点和CAZAC序列具有的理想自相关特性及互相关特性,有效地解决了“平台效应”、曲线峰值不够尖锐的问题。通过对新训练符号进行的PN加权处理,进一步解决了“侧峰”干扰问题。最后在新训练符号的基础上,完成了符号定时同步算法和载波频偏估计算法的定义和仿真工作。结果表明,新训练符号的定时度量曲线能在正确的定时估计点处生成尖锐的脉冲型“尖峰”,且不存在任何“侧峰”影响,有效地提高了符号定时估计精度。3、针对一些典型的车联网应用场景,对基于导频辅助的信道估计技术的关键流程进行了讨论与分析,包括:选择导频结构、导频位置处信道估计和数据位置处信道估计。仿真结果表明,格状导频结构能够以较低的导频占有率同时在高速和低速的莱斯信道下完成有效的信道估计工作;导频位置处信道估计采用LS估计算法和DFT降噪技术,可以在低计算复杂度条件下获得精度较高的CSI估计值;数据位置处信道估计采用简单的线性插值算法可以获得准确的CSI估计值。