隐马氏模型的经典理论由Baum等人在20世纪60年代末给出。时至今日,模型结构已经由离散隐马氏模型,发展到连续隐马氏模型,以及本文中最新的多层隐马氏模型等等。本文研究了多层隐马氏模型的模型结构及算法,结合自动机的理论研究了隐马氏模型的模型结构同自动机的模型结构之间的联系,并在最后给出在模糊系统中的应用。本文的主要内容有以下几个方面:1.首先给出了多层隐马氏模型的前后向算法,并基于此给出了一种迭代算法;同时也建立了多层隐马氏模型的神经网络算法。因为简化了目标函数,新的迭代算法与已有的迭代算法相比,减少了算法的复杂度。由于神经网络具有快速并行计算的能力,所以本文也给出了基于神经网络的多层隐马氏模型算法,并且本文中的神经网络算法可以直接进行隐马氏模型的解码。2.其次,在一般隐马氏模型的模型结构的进一步研究方面,给出了隐马氏模型与模糊自动机模型之间相互进行等价转换的方法。通过这种等价的转换,就可以把隐马氏模型的经典算法应用于模糊自动机中,也可以利用模糊自动机来研究隐马氏模型。3.最后给出了隐马氏模型应用于模糊系统的方法。本文建立了模糊系统到隐马氏模型的模型转换,并给出了在模糊序贯决策过程中应用Viterbi算法的实例。通过第一个方面展示了隐马氏模型的模型结构和算法方面进行创新研究的出发点。通过第二个方面则揭示了离散隐马氏模型的模型结构的本质。第三个方面的模型应用,则是由模型结构的启发。所以说本文所有创新点都是围绕模型结构这个中心。