正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)是宽带无线接入领域和下一代移动通信系统的关键技术之一,具有频谱利用率高,数据传输速率高,抗多径衰落能力强的优点,已经受到人们的广泛关注。但是OFDM技术有众所周知的缺点:对定时偏差和频率偏差十分敏感。定时偏差会导致码间干扰,频率偏差会破坏子载波间的正交性,引起子载波间干扰,从而使系统整体性能急剧下降。所以,需要研究有效的定时同步算法和频率同步算法,对定时偏差和频率偏差进行有效的估计和补偿,尽可能减小对系统性能的不利影响。因此本课题的研究是非常有必要的,所研究的内容有着较为重要的学术价值和实用意义。论文首先对课题的研究背景、实用意义以及OFDM同步技术的研究现状进行了分析,对OFDM系统的基本原理以及同步技术进行了介绍,详细分析了符号定时误差、载波频率偏差对系统性能的影响,进一步说明了同步问题对于OFDM系统的重要性。其次,分析了基于循环前缀的ML同步算法的原理,利用循环前缀中所包含的冗余信息,采用最大似然估计的方法进行符号定时和载波频率偏移的联合估计。在此基础上,引入了两种新的ML改进方案,来提高定时估计的精度。仿真结果表明,改进算法优于传统的ML算法。最后,详细分析了基于符号训练的Schmidl符号定时与载波频率的联合同步算法。针对SC算法定时峰出现平台的问题,引入了三种演进算法:SC滑动窗口算法、Minn算法、Park算法,在此基础上,对这三种算法在定时同步方面的性能进行了大量仿真分析和比较。仿真表明,改进算法在定时同步方面的性能要明显优越于SC算法。