在非线性状态空间模型的背景下，我们分析了序列蒙特卡罗（SMC）方法的一些扩展。也就是说，我们定制SMC方法，通过后验分布的常规递归处理高阶HMM。在推导滤波器分布时，它继续模拟两步过程，即预测步骤和更新步骤。一旦说明，我们将一些平滑递归扩展为前向-后向算法和后向平滑器，以处理高阶HMM中的实际平滑分布。最后，我们给出几个示例作为这些扩展的应用。

没有人分析蒙特卡洛（SMC）方法在非森林空间的背景下的扩展。政策，理性的调整和方法SMC的改革与HMM d’ordre supérieurérár遍历了过去分配的习惯。双份磁带的分配程序，最新的分配程序等，过滤分配程序。在获得结果的情况下，神经腱确定了指令通信算法向前向后等算法向后平滑倒向分布指令HMM’ordre supérieur。Enfin，nous donnons quelques是应用程序扩展的示例。