Возможно, даже без нейронных сетей.
Принимается спектр сигнала например 1000 гц, далее один из алгоритмов БПФ выделяет все частотные компоненты.
из них вычисляют средние в узкой полосе допустим 200,450,600,800 Гц (если попадаются компоненты скажем 205,210,195 то они принимаются за компонент 200Гц и так аналогично с другими)
далее берутся только конкретные компоненты по отдельности параллельными потоками просчитывается амплитуда и длительность по установленному минимум амплитуды считают компонент в наличии или шум, а по длительности отметают слишком короткие компоненты или слишком длинные, из того что осталось с некоторым разбросом вычисляют телеграфные посылки.
Если вычислительная мощность позволяет возможны перекрестные проверки для уточнения выделенных компонентов по частоте и границ отклонения.
ну а дальше просто преобразование в текст и вывод.
Если добавить алгоритм предсказания то можно восстановить и некоторые пропущенные знаки.
Ну и при приеме сначала будет идти большая задержка которая по мере приема и накопления статистики будет уменьшаться.
минус слишком слабые сигналы которые опытный оператор декодирует скорее интуитивно алгоритм не сможет принять, но их не смогут принять и подавляющее большинство операторов, плюс в том что ничто не пропускается и не забывается, при наличии достаточных вычислительных ресурсов возможно повторная отложенная перепроверка декодированных сигналов с учетом накопленной статистики для уточнения декодирования.
Для нейросетей возможно тоже самое но сравниваются не сами посылки а мелодия сигналов, пересчитанных на эталонный тон, в виде описания характера мелодии (нечто подобное применяется в системах голосового анализа)
Тут составит трудность обучить алгоритм допустимым отклонениям реального сигнала от эталонного по длительностям и амплитудам в течении передачи одного знака, но возможно достичь результата сравнимого с опытными операторами.