近年来，高速铁路得到了迅猛的发展，由于列车上乘客日益增长的宽带多媒体需求，以及先进的列车控制的需求，在高速铁路这样的高移动性场景下提供宽带无线通信成为了研究的热点问题。但是基于OFDM技术的无线通信系统本质上是基于子载波正交性的技术，而频率偏移会造成子载波间干扰，因此OFDM系统对频率偏移非常敏感。在高速移动场景下，由于发送和接收端的高速相对运动，将会导致不仅大而且快速变化的多普勒频移，这样大且快变的多普勒频移如果不能得到正确估计和补偿，将使通信系统的性能大大下降。因此，基于OFDM的高移动性通信场景下的多普勒信息估计成为了研究的关键问题。　　首先，分析了高速铁路这一新的宽带无线通信场景的特点，以及这些特点为设计更加可靠和有效的多普勒信息估计方法带来的机遇和挑战。在高速铁路场景下，为了避免列车车厢造成的穿透损耗和整个车厢的用户群切换的问题，并没有沿用传统的基站与车厢中的用户直接通信的方案，而是提出了一种双层架构模型，即在列车上设置一个宽带接入点，车厢中的用户与接入点通信，列车接入点与路边基站通信。这样一来，仅有后者的链路需要克服大且快变的多普勒频移影响，即每列高铁列车仅有一条链路需要克服高移动性。此外，在高铁中的绝大多数场景为高架桥场景，在这样的场景下，将会出现一个较强的LOS径，其他的多径分量很少且信号较弱，因此在该场景下主要是多普勒频移，多普勒频移扩展不明显。同时，由于列车沿着既定铁轨运动，运动规则、重复且可预测，从而导致仅有的多普勒频移曲线也是规则、重复和可预测的。　　传统的多普勒频移方法大多针对低速的场景进行设计和优化的，没有能考虑到高速铁路场景以上的新特点新要求，因此限制了传统的多普勒频移估计方法在高铁场景下的性能。针对高速铁路场景，以及该场景下多普勒频移重复、规则和可预测的特点，提出了一种基于射频环境映射的多普勒频移估计方法(REME，Radio Environment Map basedEstimator)。该方法从事先离线测量得到的射频环境映射的数据库中，提取出多普勒频移相关信息，在列车实际运行中，通过测量列车的位置和速度信息，经过简单的换算，就可以计算出多普勒频移。然而在实际中参数测量误差是不可避免的，虽然在参数测量精度较高的情况下，该方法可以获得较高的估计精度，但是该方法对定位误差非常敏感。因此，为了提高该估计方法在实际通信场景中的估计性能，提出了一种基于最大后验概率准则的多普勒频移估计方法(MAPE，MaximumA Posteriori based Estimator)，该方法将通过射频环境映射计算得到的多普勒频移作为先验信息，将该信息与经典CP频偏估计方法(CPE，classical CP based Estimator)加权构成新的估计器。仿真表明，该估计器在实际参数测量误差范围内能优于REME和CPE方法，并且对定位误差不敏感。　　另一方面，在高铁场景下多普勒频移随着时间快速变化，考虑到日益增长的高铁移动速度，估计多普勒频移变化率将有助于多普勒频移变化的预测。同时，在无人机通信、低轨卫星通信等高移动性宽带无线通信场景下，多普勒变化率的估计对与移动目标的轨道预测和控制也是必不可少的。而传统的多普勒变化率估计方法主要针对的是单载波的通信系统，并不适用于离散导频的OFDM系统，并且大多数方法对初始多普勒频移非常敏感。因此，有必要开展高移动场景下的多普勒变化率估计的研究。首先，受到CPE方法的启发，设计了一种基于二次差分（SOD，second order difference）的低复杂度的多普勒变化率估计方法。为了进一步提高该方法的估计精度，提出了一种基于最大似然准则(ML，Maximum Likelihood)的多普勒变化率估计方法，该估计方法能获得较高的估计精度。仿真表明，两种方法均能应用于离散导频的OFDM系统的多普勒变化率估计，且对初始多普勒频移不敏感。