我们考虑含有未知漂移参数$θ$的Langevin方程，其中噪声被建模为分数布朗运动，Hurst指数为$H in（0，frac{1}{2}）$。该解决方案对应于分数Ornstein–Uhlenbeck过程。基于时间上的离散观测，我们构造了未知漂移参数的估计量，其形式类似于具有标准布朗运动的Langevin方程中漂移参数的最大似然估计量。假设观测值之间的间隔为$n^{-1}$，即趋于零（高频数据），当$m>1$时，观测值的数量增加到无穷大。证明了对于严格正的$\theta$，估计量对于任何$m>1$都是强一致的，而对于$\theta\leq0$，当$m>\frac｛1｝｛2H｝$时是一致的。