MAP/ML频率估计算法由于同时利用了幅度和相位信息,在信噪比较高时可得到极高的估计精度,但在低信噪比下估计性能不佳.对此分析了形成原因,并提出了结合FFT确定相干积分长度及无卷绕序列的最大似然(ML)估计方法.利用FFT的粗估计值对信号进行频移,从而将信号的频率和序列的相位变化限制到了一定范围内,据此推导了不同相干积分长度下的克拉美罗界(CRLB),确定了相干积分数据分段的最佳长度,通过相干积分提高信噪比保持高估计精度.依据相移后相位方差选择估计序列的方法,避免了解卷绕过程,从而消除了解卷绕对低信噪比下算法性能的影响.Monte Carl仿真实验结果表明本频率估计可达到非常接近CRLB界的估计性能.