9 我有大量样本，它们将曼彻斯特编码的比特流表示为音频信号。它们的编码频率很高时，它是主要的频率成分，并且背景中始终有恒定的白噪声。 我已经手动解码了这些流，但是我想知道是否可以使用某种机器学习技术来学习编码方案。这将节省大量手动识别这些方案的时间。困难在于不同的信号被不同地编码。 是否有可能建立一个可以学习解码多个编码方案的模型？这样的模型有多健壮，我想采用哪种技术？独立分量分析（ICA）似乎对隔离我关心的频率有用，但是我将如何学习编码方案？ machine-learning data-mining scalability algorithms feature-selection — 愤怒的史洛斯 source
3 我建议使用具有两个可能状态的隐马尔可夫模型：（1）高级别和（0）低级别。 此技术可能有助于解码信号。每种编码可能都需要一个特定的HMM。 如果噪声是一个问题，则具有Blackman-Harris窗函数的FIR滤波器将使您能够隔离所关注的频率。 — 阿德桑托斯 source 这将对在状态转换中对值进行编码的曼彻斯特编码信号起作用吗？ — ragingSloth 2014年 这取决于曼彻斯特编纂法，但我会这样说。尽管如此，在进行HMM训练之前，我建议使用零交叉算法来检测信号的侧面。这样，您可以检测到发生更改的最短时间，这可以为您提供时钟速度的提示。 — adesantos 为什么我需要时钟速度？曼彻斯特编码是自计时。时间应该不重要。 — ragingSloth 2014年 虽然了解时钟速度以了解低/高值之间的转换速度有多大可能会有所帮助。 — adesantos