信号エンコーディングの学習

マンチェスターでエンコードされたビットストリームをオーディオ信号として表す多数のサンプルがあります。それらがエンコードされる周波数は、それが高い場合の主要な周波数成分であり、バックグラウンドに一定量のホワイトノイズがあります。

これらのストリームを手動でデコードしましたが、なんらかの機械学習手法を使用してエンコードスキームを学習できるかどうか疑問に思っていました。これにより、これらのスキームを手動で認識する時間を大幅に節約できます。難点は、異なる信号は異なる方法でエンコードされることです。

複数のエンコード方式のデコードを学習できるモデルを構築することは可能ですか？そのようなモデルはどの程度堅牢であり、どのような手法を採用したいですか？独立成分分析（ICA）は、気になる周波数を分離するのに役立つようですが、エンコードスキームをどのように学習しますか？

（1）高レベルと（0）低レベルの2つの可能な状態で、隠れマルコフモデルを使用することをお勧めします。

この手法は、信号のデコードに役立つ場合があります。おそらく、コード化ごとに特定のHMMが必要になります。

ノイズが問題である場合、Blackman-Harrisウィンドウ関数を備えたFIRフィルターを使用すると、関心のある周波数を分離できます。