现有的定位算法只表现了目标的静态位置特征, 不能较好地在目标移动情况下跟踪获取目标的运行行为轨迹。针对这一问题, 设计了一种基于隐马尔可夫模型的目标轨迹跟踪算法。该算法根据小区覆盖范围内的地理位置信息和目标用户的移动速度, 建立隐马尔可夫模型; 然后, 基于维特比译码算法对最佳路径和最佳状态概率进行最优化求解, 实现对目标轨迹的跟踪。仿真结果表明, 该算法可以在基站小区分辨率下精确地获取目标轨迹。

详解MATLAB中HMM工具包中各个函数的使用方法，给出例子，并有详细注释 以投两个骰子为例 说明由转移矩阵混淆矩阵生成随机观察和隐藏序列、维特比算法（viterbi）、通过训练估计转移矩阵和混淆矩阵等函数的运用 大家一起学习吧~

HMM 隐马尔可夫模型 python 代码， 源码实现部分，包括训练测试以及相关调用 。 调用主要为自然语言处理方面实体标注样例。

文章目录前言隐马尔可夫(HMM)马尔可夫链隐马尔可夫HMM中的语音识别（孤立词）HMM 语音识别过程GMM总结参考文献 前言 隐马尔科夫链结合语言识别，在细节上，涉及到的知识挺多，没有一定的时间投入难以很好的去把握。这篇文章只想借着自己的一小段时间学习，从整体上，理一下HMM在ASR的应用过程，不想去探究其中的具体细节。文中的图片基本截取自参考文献中的内容。 隐马尔可夫(HMM) 马尔可夫链 马尔可夫链描述了当前状态与下一个状态的转换关系，如图中所示，天气有三种状态，晴天，阴天，下雨。 马尔可夫链两个重要参数，初始状态概率，状态转移矩阵。有了这两个参数，我们可以预测后续任意一天的天气概率了。

gsoc17-hhmm：贝叶斯分层隐马尔可夫模型应用于金融时间序列，这是Google Summer of Code 2017的研究复制项目

整理和调试好的隐马尔可夫三大算法，以供大家参考学习之用。并包含测试用例，使用C++ builder 6.0版本。

隐马尔可夫模型的C++实现，非常好用。 包括模型参数的训练和维特比算法。

1.隐马尔可夫模型的简介 2.例举实例 3.介绍三个主要算法

隐马尔可夫模型原理说明

该资源直接运行runtest.m可测试HMM的评估和解码问题，运行baum_welch_test_mine.m测试HMM学习问题