正交频分复用(OFDM)以其数据传输速率高、抗多径衰落能力强、频谱利用率高的优点,已被广泛应用于数字电视、数字音频广播以及IEEE802.11a无线局域网络标准等领域,并将成为下一代移动通信系统的核心技术之一。由于子载波“正交”这一特点,OFDM技术对符号的定时误差和载波的频率偏移非常敏感。符号的定时误差会使系统产生符号间干扰,载波的频率偏移会破坏各子载波间的正交性,使子载波之间相互干扰,这些因素都会导致整个系统的性能恶化。因此,要保证OFDM系统的性能,精确的符号定时同步和载波频偏估计是最基本的条件。本文首先阐述了课题的研究背景以及OFDM系统同步技术的研究现状,介绍了OFDM技术的基本原理以及OFDM系统中的一些关键技术,对同步技术的原理进行了研究,描述了系统同步的处理过程,分析了各种同步误差对OFDM系统性能的影响,说明了对系统的同步技术进行研究的必要性。其次,重点研究了基于循环前缀的ML同步算法的原理,通过仿真分析了ML算法的性能。ML算法是利用OFDM符号前面的循环前缀进行符号定时和载波频偏的估计,有较高的运算复杂度,针对这个问题介绍了MC算法,MC算法能够有效降低运算复杂度,但是估计误差较大。结合ML算法和MC算法的特点提出了改进的ML算法,通过仿真表明改进的ML算法能够在保证估计性能的同时有效地降低运算的复杂度。最后,本文详细分析了基于训练序列的Schmidl & Cox算法。Schmidl & Cox算法能够实现时频联合同步,但是定时同步误差较大。针对这个问题介绍了两种改进算法:Minn算法和Park算法。这两种算法能够有效改善定时同步的性能,但是仅仅能够完成定时估计。针对这个问题提出了一种基于单个训练符号的时频联合同步新算法,通过仿真分析表明,新算法能够精确地完成定时同步,并在保证频偏性能的前提下有效降低Schmidl & Cox算法的资源开销和运算复杂度。