正交频分复用(OFDM)技术因具有高频谱利用率和强抗频率选择性衰落等优点,已成为支持高速数据传输的关键技术之一。尤其,以OFDM为基础的正交频分多址(OFDMA)技术能够通过频分复用实现多用户的同时传输,是未来宽带无线移动通信系统中最受关注的核心技术之一。然而,OFDM/OFDMA系统对载波频率偏移(CFO)非常敏感。频偏的存在将会破坏子载波之间的正交性,引起子载波干扰和多址干扰,导致信号失真、系统性能下降,是OFDM/OFDMA技术得到广泛应用的主要障碍。因此如何有效地解决OFDM/OFDMA系统频偏估计问题成为最有价值的研究热点之一。本文系统地分析了实际中影响频偏估计性能的主要因素,深入研究了OFDM系统和OFDMA上行系统的频偏估计算法,着眼于提高系统的频谱利用率、降低算法的计算复杂度和提高估计精度等问题,提出了有效的适用于OFDM系统或OFDMA上行系统的频偏估计算法,能够显著地提高系统频谱利用率、改善频偏估计性能、增强实时性。针对基于OFDM系统中只利用特征值进行频偏估计的算法具有较低估计精度问题,提出了一种基于重构频偏信息矩阵的频偏估计算法,利用接收数据的协方差矩阵构造包含频偏信息的矩阵,对该矩阵进行特征值分解获得特征值和特征向量,综合利用这些特征值和特征向量信息进行频偏估计,有效地提高系统的频偏估计精度。所提算法不需要任何训练序列和导频符号,因而具有很高的频谱利用率,同时在较低的信噪比情况下仍具有较好的估计精度。考虑到现有OFDM系统中频偏估计算法涉及大量复数运算过程带来高计算复杂度问题,提出了一种基于酉变换的ESPRIT快速实现算法,利用接收数据固有的特性和时间平滑技术构造了Hankel矩阵,采用酉变换技术避免了特征值分解、求逆等复矩阵运算过程,显著降低了计算复杂度；通过利用时间平滑技术和前后向平均技术丰富了数据信息,有效地改善了频偏估计性能。所提算法是一种盲估计算法,能够有效提高数据传输速率,而且算法在提高频偏估计精度的同时减少了计算量,具有很好的实时性。搜索类频偏估计算法具有高精度和高分辨率的特点,但算法过程复杂、计算量大,难以实时实现,在OFDMA上行系统尤为突出。针对这一问题,提出了一种基于酉变换的快速多用户频偏估计算法——Unitary-MUSIC,利用数据的周期性将数据矩阵分解为具有范德蒙结构的频偏导向矩阵与用户信号矩阵的乘积形式,通过对数据矩阵应用酉变换技术,避免了复矩阵特征值分解、复数域谱计算等运算过程,具有较低的计算复杂度；利用频偏导向向量的中心厄尔米特特性和前后向平均等技术有效地改善了多用户频偏估计性能。算法具有很高的频谱利用率、更高的估计精度和分辨率,为推进MUSIC算法的进一步广泛应用有着重要意义。为了进一步提高OFDMA上行系统搜索类多用户频偏估计算法的实用性,提出了一种基于压缩感知的频偏估计算法,利用用户频偏参数在频偏估计区间上内在的稀疏特性和接收数据的协方差矩阵给出了多用户频偏估计问题的有效稀疏表示方法和过完备原子字典,借助压缩感知理论把频偏估计问题转化为凸优化问题,求解稀疏向量并利用非零元素的位置估计用户频偏,算法不仅具有子空间算法固有的高估计精度和超分辨率等性能,而且能够避免特征值分解过程,易于实施。与搜索类频偏估计算法相比,OFDMA上行系统的ESPRIT等多用户频偏估计闭式算法具有较低计算复杂度,但此类算法只利用特征值估计载波频偏,导致较大频偏估计误差。针对这一问题,提出了一种基于重构频偏信息矩阵的多用户频偏估计算法,利用特征值和特征向量同时估计用户的频偏参数,有效地提高了频偏估计精度。为了进一步提高闭式算法的估计精度增强其实用性,应用盲源分离的思想,提出了一种基于联合对角化的多用户频偏估计算法,利用接收数据的协方差矩阵估计白化矩阵,然后对多个不同时延数据的协方差矩阵进行白化和联合对角化处理,估计出频偏导向矩阵,利用频偏导向矩阵每一列向量的所有元素估计相应用户的频偏参数,有效地提高了多用户频偏估计精度、改善了频偏估计性能。针对频偏估计闭式算法的计算复杂度和估计性能两方面同时优化问题,提出了一种有效的基于酉变换的多用户频偏估计快速算法——Unitary-ESPRIT,利用酉变换技术将复数域的数据处理转化至实数域,算法不仅具有较小的计算量,而且具有较高的估计精度。