[发明专利]一种基于Viterbi算法的确定指令的方法

权利要求书

1.一种基于Viterbi算法的确定指令的方法，其特征在于，包括以下步骤：

步骤一：将指令库与模型中的标号进行映射并利用指令库集合训练出模型，包括：根据任务要求构建一个指令集合，此指令集合包含三个指令库，每个指令库包含该任务所有可能用到的指令；对隐马尔可夫模型进行初始化，即赋初值给π＝(π_i)，其中π为初始概率矩阵，i为第i状态；

利用Baum-Welch算法对人工构建的指令集合进行训练，得到隐马尔可夫的模型λ＝(A,B,π)，其中A＝[a_ij]_N*N为状态转移概率矩阵，N是可能的状态数，a_ij为第i个状态转移到第j个状态的概率，B＝[b_j(k)]_N*M为观测概率矩阵，M为是可能的观测数，加上一个具体的状态集合Q＝{q₁,q₂,q₃,...,q_N}和观测序列V＝{v₁,v₂,v₃,...,v_M}，则构成了隐马尔可夫模型的五元组，即λ＝(A,B,π,Q,V)，其中Q对应指令库集合，q_i对应具体的指令库，其中1iN，N为指令库长度；V对应观测到的具体的指令集合，v_j对应具体的指令，其中1jM，M为具体的指令长度；

I＝(i₁,i₂,...,i_T)指令库顺序，是长度为T的状态序列；O＝(o₁,o₂,...,o_T)是对应的观测序列即具体的指令顺序，π_i＝P(i₁＝q_i),i＝1,2,...,N是时刻t＝1处于状态q_i的概率，a_ij＝P(i_t+1＝q_j|i_t＝q_i),i＝1,2...N；j＝1,2,...,N是在时刻t处于状态q_i的条件下在时刻t+1转移到状态q_j的概率，b_j(k)＝P(o_t＝v_k|i_t＝q_j),k＝1,2...,M；j＝1,2,...,N是在时刻t处于状态q_j的条件下生成观测到的具体的指令集合V中的第k个指令v_k的概率；

步骤二：根据序列的实际情况将模型的初始值转换为Viterbi算法需要的首步值；

步骤三：根据首步的初始值进行递推并更新路径信息，包括：

以步骤二得到的序列初始值作为递推起点，利用公式进行递推，具体为：首先计算第一步所有可能值，设置一个中间变量Prob并赋予初值零，保留每一步的计算结果，并在此过程中选择前一状态的最优概率，并将此概率保存到数组V中；

新建二维数组path其中行数为状态的个数，列数为序列的长度，该数组保存历史的最优隐序列，在每步求解时均新建二维数组newpath，newpath的列数和维数与path相同，该数组保存当前步骤解的隐状态即指令库的序号，其初值来自于数组path，根据上一步计算的概率值确定当前的较优解，并以此修改path中的隐状态；

步骤四：递推终止并回溯最优路径；

步骤五：根据解码得到的状态序列推断下一刻的状态。

2.根据权利要求1所述的一种基于Viterbi算法的确定指令的方法，其特征在于：步骤二具体包括：

将步骤一得到的隐马尔可夫模型利用Viterbi进行解码：首先构建二维数组V用于存储每步的选择概率，利用初始概率π＝(π_i)对第一时刻状态为i的路径进行初始化，具体公式如下：

δ₁(i)＝π_ib_i(o₁),i＝1,2,...,N。