我们为嵌入式隐马尔可夫模型（HMM）马尔可夫链蒙特卡罗（MCMC）方法提出了一种选择池状态的新方案。这种新方案允许嵌入式HMM方法用于状态空间模型中的高效采样，其中状态可以是高维的。以前，嵌入式HMM方法仅适用于低维状态空间模型。我们证明，使用我们提出的池状态选择方案，嵌入式HMM采样器的性能与使用粒子吉布斯（Particle Gibbs）与向后采样（Backward Sampling，PGBS）和Metropolis更新相结合的微调采样器类似。通过在状态序列的当前值附近局部选择池状态，可以缩放到更高的维度。提出的池状态选择方案还允许嵌入式HMM采样器的每次迭代在池状态数量上采用线性时间，而不是在原始嵌入式HMM取样器中采用二次时间。