Markov过程是一类重要的随机过程．自1907年苏联数学家AA．MapkoB引出Markov链的概念以后，经过世界各国数学家的努力，Markov链己成为内容十分丰富的数学分支．隐Markov模型的概念是一般Markov链概念的自然推广，随着Markov理论的不断发展和应用，人们对隐Markov模型的理论和应用也越来越感兴趣．例如在弱相依变量的建模、发音过程、神经生理学及生物遗传等问题的研究中，隐Markov模型提供了强有力的理论依据．尽管学者们对隐Markov模型的研究取得了很大的成功，但由于实际问题远比数学模型要复杂的多，观察到的事件并不是与建立的模型一一对应，现有的理论知识还不能解决所有的问题，因此隐Markov模型的理论基础有待于进一步的完善．强极限定理有重要的理论意义和应用价值，历来是概率论中研究的中心问题之一，因此对隐Markov模型的强极限定理的研究具有十分重要的意义． 本文的目的是利用杨卫国教授提出的鞅方法研究隐Markov模型的强极限定理．文中首先介绍了马氏链及隐Markov模型基本知识，包括隐Markov模型的定义、隐Markov模型的应用及其优点、隐Markov模型的等价定义与性质、相对熵密度及隐Markov模型的强马氏性．其次给出了可列隐非齐次Markov模型强极限定理的证明，这推广了已有的结论，且得到了可列隐非齐次Markov模型的若干收敛定理．最后在可列隐非齐次Markov模型强极限定理的基础上，得到了有限隐非齐次Markov模型的状态出现频率的强极限定理、有限隐非齐次Markov模型的强大数定律及相对熵密度极限定理．