近几十年来隐Markov模型作为一种强有力的统计学模型被广泛应用于各个领域的研究，如语音识别系统，神经生理学，机器人的控制与生物遗传等方面，而且已经证明它的结果和实际符合的相当好。尽管隐Markov模型取得了很大的成功，但是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状态一一对应，因此经典的隐Markov模型还有很多不尽如人意的地方，有许多关键信息用现有的隐Markov模型不能进行描述，如在生物化学中预测蛋白质二级结构等的一些实际应用中，所以它的理论基础有待于进一步的完善，人们还需要建立一种新的隐Markov模型来进行研究。因此隐Markov模型在理论方面具有很大的研究意义。 本文目的主要是要研究一类新的隐Markov模型的主要性质以及强极限定理，这类新的模型的特点是它在现在的状态不仅与它最近的状态值有关，而且还依赖于它所发射的最近的观测值，称之为状态链依赖观测链的新的隐Markov模型。文中首先给出了经典的隐Markov模型的简单定义与性质。其次，引入了这类新的隐Markov模型的概念，讨论这种新的模型的主要性质，并得出了它的强马氏性的性质定理。最后，假定S与T为两个有限集时，得到了这类新的隐Markov模型的强极限定理，并且进一步得到了它的相对熵密度定理。