刘功生，张春良，岳 夏，朱厚耀

（1.南华大学机械工程学院，湖南衡阳 421001；2.广州大学机械与电气工程学院，广东广州 510006）

基于HMM算法体系的逆维特比算法理论研究*

刘功生1，张春良2，岳 夏2，朱厚耀2

（1.南华大学机械工程学院，湖南衡阳 421001；2.广州大学机械与电气工程学院，广东广州 510006）

隐马尔可夫模型（Hidden Markov Model，HMM）的基本算法体系主要包括Baum-Welch算法、前向-后向算法与Viterbi算法三大经典算法，通过展开对HMM新问题及新算法的理论研究，引出逆维特比问题及逆维特比算法的理论体系，并提出将逆维特比算法引入HMM基本算法体系中构建一种新的算法体系及一种新评估体系的构想，最后对新算法体系的应用进行了展望。

隐马尔科夫模型；逆维特比问题；逆维特比算法；评估体系

HMM本身是一个双随机过程，同时具有出色的动态过程建模能力[1]，因此HMM在语音识别、故障诊断及生物医学等领域获得了广泛的应用[2-4]。

在HMM经典算法体系中，Baum-Welch算法虽然已发展得相当成熟，但在实际应用中仍存在训练过程局部收敛及训练结果鲁棒性不足等缺点[5]。因此，寻求一种能对训练结果进行有效评价的方法将越显重要。在故障诊断领域中，HMM提供了一种以似然率大小作为训练模型性能好坏的评价标准的评估算法，但该评估方法存在似然率高时识别率不一定高的不足，即用似然率的高低来评价训练模型的性能好坏将会导致故障诊断结果存在一定的误判风险。因此进行HMM新算法的研究并建立新的评估算法将具有很高的研究价值。……