我试图弄清楚是否有一种将两个 HMM 合并为一个的好方法，当基础状态相同但观察结果没有时间联系时。
我有两个独立的观察流来描述相同的隐藏状态空间。每个观察流的底层顺序保持不变，但它们不会同时发出。
例如，假设我有两个单独的扬声器大声朗读同一段文本的录音，其中隐藏状态空间成为文本中的字母，而来自每个音频的音素流构成观察空间。每个扬声器单独录制音频，并在阅读时使用不同的节奏。
我可以清楚地使用每个说话者独立地对文本进行预测，并在事后尝试协调结果……但我觉得将观察流组合成单个 HMM 可能会产生更好的结果。
有谁知道调和这个的好方法？
合并状态需要首先对齐这些流......即某种对数似然优化。但是它可以使用来自多个流的统计数据来预测“观察”——现代数据压缩器基本上就是这样做的。例如。见http://www.mattmahoney.net/dc/dce.html#Section_432
我不确定是否有方法可以在将两个 HMM 分别拟合到不同的观察序列后合并它们。
但是有一种算法可以在多个独立的观察序列上训练一个马尔可夫模型。
例如，在 Rabiner 的论文“隐马尔可夫模型和语音识别中的选定应用程序教程”中涵盖了它
不幸的是，我还没有找到这个算法的实现。
这是我在 stackexchange 上的相应问题：https ://stats.stackexchange.com/questions/53256/two-sequences-one-hmm