隐马尔科夫模型的统计推断讲得最全的书，非《Inference in Hidden Markov Models》莫属。连续状态空间、最大似然估计、贝叶斯计算这些概念听起来复杂，但书里用挺接地气的方式拆解了不少关键点。
Olivier Cappé他们这几位作者，都是统计圈里的老熟人，比较系统，尤其对时间序列的同学来说，这书真的能帮上忙。你要是做过音频、自然语言、或者金融建模，应该对 HMM 不陌生。这本就可以说是入门+进阶一条龙了。
马尔科夫链作为底层逻辑，虽然简单，但和隐藏状态一结合，瞬间复杂度就上来了。还好书里图也不少——78 张插图呢，讲公式的时候不会太晕。里面关于模型选择的那段我个人觉得值，讲得还挺透的。
而且作者对版权也比较看重，引用内容用得比较谨慎。如果你打算整理成资料做二次传播，建议还是标明来源或申授权。
对了，如果你想更深入动手看看实现，可以顺手参考这些资源：
- Matlab 隐马尔科夫模型工具箱，基础马尔科夫链的代码实现。
- 贝叶斯概率编程与推断，结合 Bayes 思想做 HMM 推断，蛮有意思。
- HMM 算法的实现，适合喜欢看代码的你。