已知O，求$\lambda$，使O的似然估计最大

输入：
观测数据O
输出： 隐马尔可夫模型参数

过程：

1. 初始化：
   $\lambda(0) = (A(0), B(0), \pi(0))$
2. 递推
   $\begin{aligned} a_{ij}^{(n+1)} = \frac{\sum_{t=1}^{T-1}\xi_t(i,j)}{\sum_{t=1}^{T-1}\gamma_t(i)} \\ b_j(k)^{(n+1)} = \frac{\sum_{t=1,O_t=v_k}^T\gamma_t(j)}{\sum_{t=1}^T\gamma_t(j)} \\ \pi_i^{(n+1)} = \gamma_1(i) \end{aligned}$ 其中：
   $\begin{aligned} \gamma_t(i) = \frac{\alpha_t(i)\beta_t(i)}{\sum_{j=1}^N\alpha_t(i)\beta_t(i)} \\ \xi_t(i,j) = \frac{\alpha_t(i)a_{ij}b_j(o_{t+1})\beta_{t+1}(j)}{\sum_{i=1}^N\sum_{j=1}^N\alpha_t(i)a_{ij}b_j(o_{t+1})\beta_{t+1}(j)} \end{aligned}$
3. 终止：
   $\lambda(N+1) = (A(N+1), B(N+1), \pi(N+1))$