HSMM程序matlab

function [PAIABPQestlkh]=hsmm_new（PAIABPOIterationNo）
% 
% Author: Shun-Zheng Yu
% Available: http://sist.sysu.edu.cn/~syu/Publications/hsmm_new_m.txt
% 
% HSMM solve three fundamental problems for Hidden Semi-Markov Model using a new Forward-Backward algorithm
% Usage: [PAIABPStateseqLoglikelihood]=hsmm_newScale_amm（PAIABPOMaxIterationNo）
% MaxIterationNo=0: estimate StateSeq and calculate Loglikelihood only; 
% MaxIterationNo>1: re-estimate parameters estimate StateSeq and Loglikelihood.
% First use [ABPPAIVkOK]=hsmmInitialize（OMDK） to initialize
% 
% Ref: Practical Implementation of an Efficient Forward-Backward Algorithm for an Explicit Duration Hidden Markov Model
% by Shun-Zheng Yu and H. Kobayashi
% IEEE Transactions on Signal Processing Vol. 54 No. 5 MAY 2006 pp. 1947-1951 
% 
%  This program is free software; you can redistribute it and/or
%  modify it under the terms of the GNU General Public License
%  as published by the Free Software Foundation; either version
%  2 of the License or （at your option） any later version.
%  http://www.gnu.org/licenses/gpl.txt
%
%++++++++ Markov Model +++++++++++
M=length（PAI）;               %The total number of states
T=length（O）;                 %The total time
D=size（P2）;                 %The maximum duration of states
K=size（B2）;                 %The total number of observation values
%----------------------------------------------------
ALPHA=zeros（MD）;
bmx=zeros（MT）;
S=zeros（MT）;
E=zeros（MT）;
BETA=ones（MD）;
Ex=ones（MD）;
Sx=ones（MD）;
GAMMA=zeros（M1）;
Pest=zeros（MD）;
Aest=zeros（MM）;
Best=zeros（MK）;
Qest=zeros（T1）;

ir1=max（1IterationNo）;

for ir=1:ir1

%    starttime=clock;
%++++++++++++++++++     Forward     +++++++++++++++++
%---------------    Initialization    ---------------
ALPHA（:）=0; ALPHA=repmat（PAI1D）.*P;		%Equation （13）
r=（B（:O（1））‘*sum（ALPHA2））;			%Equation （3）
bmx（:1）=B（:O（1））./r;				%Equation （2）
E（:）=0