Устойчивость систем железнодорожной автоматики, использующих автоматическую локомотивную сигнализацию как средство интервального регулирования движения поездов, может быть повышена за счет применения алгоритмов машинного обучения. Известный алгоритм идентификации кодовых сигналов локомотивной сигнализации имеет ряд недостатков, которые обусловлены циклическим характером идентифицируемых сигналов и необходимостью цикловой синхронизации перед процедурой идентификации. Это существенно усложняет техническую реализацию, а также требования к вычислительным ресурсам известного алгоритма. В этой статье предлагается усовершенствованный алгоритм идентификации кодовых сигналов, передаваемых по рельсовым цепям в процессе движения поездов, не требующий цикловой синхронизации. Для решения проблемы цикловой синхронизации предложено идентификацию кодового сигнала выполнять по амплитудному спектру Фурье его предварительно выделенной огибающей. Такое решение стало возможно за счет инвариантности амплитудного спектра Фурье огибающей кодового сигнала относительно сдвига кодового сигнала во временной области на произвольное количество цифровых отсчетов. В качестве метода машинного обучения в статье рассмотрена искусственная нейронная сеть с упрощенной, по сравнению с предыдущими аналогами, архитектурой. При идентификации задействована трехслойная нейронная сеть с полными соединениями между слоями. Также в работе исследованы ограничения предложенного метода машинной идентификации, обусловленные отказом от фазового спектра огибающей обрабатываемого кодового сигнала. В статье продемонстрировано действие усовершенствованного метода машинной идентификации на реальных сигналах, зафиксированных в эксплуатируемых рельсовых линиях. Полученные результаты свидетельствуют об адекватности предложенной методики идентификации сигналов автоматической локомотивной сигнализации систем интервального регулирования движения поездов.