baum

function?hmm=baum（hmmsamples）
mix=hmm.mix;%高斯混合
N=length（mix）;%HMM狀態數
K=length（samples）;%語音樣本數
SIZE=size（samples（1）.data2）;%參數階數
%計算前向，后向概率矩陣，考慮多觀察序列和下溢問題
disp（‘計算樣本參數...‘）;
for?k=1:K
????fprintf（‘%d‘k）
????param（k）=getparam（hmmsamples（k）.data）;
end
fprintf（‘\n‘）
%重估轉移概率矩陣A：trans
disp（‘重估轉移概率矩陣A...‘）
for?i=1:N-1
????denom=0;
????for?k=1:K
????????tmp=param（k）.ksai（:i:）;
????????denom=denom+sum（tmp（:））;
????end
????for?j=i:i+1
????????nom=0;
????????for?k=1:K
????????????tmp=param（k）.ksai（:ij）;
????????????nom=nom+sum（tmp（:））;
????????end
????????hmm.trans（ij）=nom/denom;
????end
end
%重估混合高斯的參數
disp（‘重估混合高斯的參數...‘）
for?l=1:N
????for?j=1:hmm.M（l）
????????fprintf（‘%d%d??‘lj）
????????%計算各pdf的均值和方差
????????nommean=zeros（1SIZE）;
????????nomvar=zeros（1SIZE）;
????????denom=0;
????????for?k=1:K
????????????T=size（samples（k）.data1）;
????????????for?t=1:T
????????????????x=samples（k）.data（t:）;
????????????????nommean=nommean+param（k