本文给出了n阶隐马尔可夫模型(HMMn)的定义及结构。在传统的隐马尔可夫模型及二阶隐马尔可夫模型(HMM2)的基础上，研究了n阶隐马尔可夫模型的前向、后向算法，Baum—Welch算法，并导出了nHMM在单观测序列培训和多观测序列培训两种情况下的参数重估公式。最后，研究了与观测信息相关的n阶隐马尔可夫模型(HMMnxn)以及混合n阶隐马尔可夫模型(MHMMn)的Baum—Welch算法。论文主要分为五个部分。 第一部分阐述隐马尔可夫模型理论的发展以及国内外研究现状，引出本文的研究背景，然后介绍了一种约束最优化方法。第二部分主要介绍n阶隐马尔可夫模型的前向、后向算法。 第三部分首先介绍n阶隐马尔可夫模型的Baum-Welch算法，紧跟着给出n阶隐马尔可夫模型的参数重估公式，最后介绍重估公式的物理含义。 第四部分给出n阶隐马尔可夫模型在多观测序列培训情况下的参数重估公式。 第五部分给出与观测信息相关的n阶隐马尔可夫模型以及混合n阶隐马尔可夫模型的定义及结构，进而研究nnHMMn以及nMHMM的前向、后向算法，Baum—Welch算法，并分别推导出了它们的参数重估公式。