Uczenie się kodowania sygnału

Mam dużą liczbę próbek, które reprezentują strumienie bitów zakodowane w Manchesterze jako sygnały audio. Częstotliwość, z jaką są one kodowane, jest głównym składnikiem częstotliwości, gdy jest wysoka, a w tle występuje stała ilość białego szumu.

Ręcznie zdekodowałem te strumienie, ale zastanawiałem się, czy mógłbym użyć jakiejś techniki uczenia maszynowego do nauki schematów kodowania. Zaoszczędziłoby to dużo czasu na ręcznym rozpoznawaniu tych schematów. Trudność polega na tym, że różne sygnały są kodowane w różny sposób.

Czy można zbudować model, który może nauczyć się dekodować więcej niż jeden schemat kodowania? Jak solidny byłby taki model i jakie techniki chciałbym zastosować? Wydaje się, że analiza niezależnych składników (ICA) może być przydatna do izolowania częstotliwości, na której mi zależy, ale jak nauczyć się schematu kodowania?

Sugeruję użycie ukrytych modeli Markowa z dwoma możliwymi stanami: (1) wysoki poziom i (0) niski poziom.

Ta technika może być pomocna przy dekodowaniu sygnału. Prawdopodobnie będziesz potrzebował konkretnego HMM dla każdej kodyfikacji.

Jeśli hałas jest problemem, filtr FIR z funkcją okna Blackmana-Harrisa pozwoliłby ci wyodrębnić częstotliwość, o którą chodzi.