该文研究由一类高斯过程驱动的 Ornstein-Uhlenbeck 过程 $d \zeta_t=-\theta \zeta_t d t+\sigma d G_t, \quad t\in[0,T],$ 在离散观测下漂移项未知参数 $\theta$ 的统计推断问题, 观测点 $t_j=j\Delta_n$, $j=1,\dots,n$, $\Delta_n$ 表示观测步长, $n$ 是样本规模, $T_n=n\Delta_n$ 表示整个观测区间. 首先构造了 $\theta$ 的矩估计量, 然后证明了矩估计量 $\tilde{\theta}_{n}$ 在 Hurst 指数 $H\in(0,\frac34)$ 时的强相合性和渐近正态性, 进一步地给出 $\sqrt{n}(\tilde{\theta}_{n}-\theta)$ 收敛到正态分布的收敛速度, 即 Berry-Esséen 类型的上界. 该结果优于 Douissi 等人 (2022) 在平稳高斯过程的框架下的工作, 既得到更紧致的上界又适用于一大类平稳和非平稳的分数型高斯过程, 包括分数布朗运动、次分数布朗运动、双分数布朗运动、广义次分数布朗运动以及一般分数布朗运动. 关键方法是 Tang 等人 (2025) 基于 Delta 方法得到的用于估计两个随机变量间 Kolmogorov 距离的公式.