Algorithm 实时应用的维特比算法

我知道给定一个HMM和一个观察值，维特比算法可以猜测产生这个观察值的隐藏状态序列。但是你想实时使用它的案例呢？我的意思是一步一步地找到隐藏状态。每次输入一个观察符号时，都会猜测一个隐藏状态，而不知道接下来的整个观察序列。

---

我想将其用于实时运行的音频应用程序，因此观察结果将是每个时间帧音频功能的一系列值。

如果您有兴趣预测时间T的隐藏状态，当您看到观察结果时，您有数据O_1，…，O_{T-1}，现在最有可能的状态是向前向后，向后变量是1，因为我们看不到未来。总之，我们有P（我们在时间T处于隐藏状态i）=\alpha_T（i）/P（O_1，…，O_T | \lambda），其中P（O_1，…，O_T | \lambda）=\sum_{i=1}^n\alpha_T（i）。然后P的所有i上的最大索引（我们在时间T处于隐藏状态i）将是您的隐藏状态

有关正式符号，请参阅

---

请让我知道这是你想要的，还是你有别的想法。如果你只是想实时找到最好的状态序列，只需计算alpha变量，无需展望未来。

如果你对预测时间T的隐藏状态感兴趣，当你看到观测值时，你就有数据O_1，…，O_{T-1}，现在最有可能的状态是向前向后，向后变量是1，因为我们看不到未来。总之，我们有P（我们在时间T处于隐藏状态i）=\alpha_T（i）/P（O_1，…，O_T | \lambda），其中P（O_1，…，O_T | \lambda）=\sum_{i=1}^n\alpha_T（i）。然后P的所有i上的最大索引（我们在时间T处于隐藏状态i）将是您的隐藏状态

有关正式符号，请参阅

---

请让我知道这是你想要的，还是你有别的想法。如果您只是想实时找到最佳状态序列，只需计算alpha变量，无需展望未来。

您找到了这个问题的答案吗？您找到了答案吗？鉴于时间=t（现在）之前的状态和观测序列，您如何预测时间=t+1（下一时间步）时的状态？@Anil Vaitla由于在时间

T+1的新观测可能会修改维特比路径，因此，鉴于时间=T（现在）之前的状态和观测序列，是否有可靠的方法来确定从哪个时间
T预测时间=T+1（下一时间步）的状态？Anil Vaitla由于在时间
T+1的新观测可能会修改维特比路径，是否有可靠的方法来确定从哪个时间
T开始