Codificação do sinal de aprendizagem

Eu tenho um grande número de amostras que representam fluxos de bits codificados em Manchester como sinais de áudio. A frequência na qual eles são codificados é o componente de frequência principal quando está alto, e há uma quantidade consistente de ruído branco no fundo.

Decodifiquei manualmente esses fluxos, mas estava pensando se poderia usar algum tipo de técnica de aprendizado de máquina para aprender os esquemas de codificação. Isso economizaria muito tempo reconhecendo manualmente esses esquemas. A dificuldade é que sinais diferentes são codificados de maneira diferente.

É possível construir um modelo que possa aprender a decodificar mais de um esquema de codificação? Quão robusto seria esse modelo e que tipo de técnicas eu gostaria de empregar? A Análise Independente de Componentes (ICA) parece ser útil para isolar a frequência com a qual me preocupo, mas como aprenderia o esquema de codificação?

Sugiro o uso de modelos ocultos de Markov, com dois estados possíveis: (1) níveis altos e (0) níveis baixos.

Essa técnica pode ser útil para decodificar seu sinal. Provavelmente você precisaria de um HMM específico para cada codificação.

Se o ruído é um problema, um filtro FIR com uma função de janela Blackman-Harris permite isolar a frequência com que você se preocupa.