# Deep Neural OFDM Receivers: Two Novel Architectures for BER-BLER Optimization and Comparison with State-of-the-Art Architectures

### 저자

Erhan Karakoca, Huseyin \c{C}evik, Ibrahim Hokelek, Ali Gor\c{c}in

### 개요

본 논문에서는 신경망 기반 직교 주파수 분할 다중화(OFDM) 수신기를 제안합니다.  제안된 두 가지 신경망, 듀얼 어텐션 트랜스포머(DAT)와 레지듀얼 듀얼 논로컬 어텐션 네트워크(RDNLA)는 채널 추정 및 등화 작업을 수행하고 수신된 동위상 및 직교 위상(IQ) 신호로부터 직접 로그 우도 비율(LLR)을 예측합니다.  DAT는 최첨단(SOTA) 트랜스포머 아키텍처를 사용하고, RDNLA는 병렬 레지듀얼 아키텍처와 논로컬 어텐션 블록을 사용합니다.  다양한 SNR 레벨에서 기존 통신 시스템 및 기존 신경망 수신기 모델과 비교하여 제안된 방법의 비트 오류율(BER) 및 블록 오류율(BLER) 성능을 평가합니다.  시뮬레이션 결과, DAT와 RDNLA가 기존 방법들을 능가하는 성능을 보이며, 계산 효율성 또한 차세대 통신 시스템에 적용 가능함을 보여줍니다.

### 시사점, 한계점

- **시사점:**

    - 제안된 DAT와 RDNLA는 기존의 OFDM 수신기 및 신경망 기반 수신기보다 우수한 BER 및 BLER 성능을 보임.

    - 제안된 신경망 수신기는 계산 효율성이 높아 차세대 통신 시스템에 적용 가능성이 높음.

    - 최첨단 트랜스포머 및 레지듀얼 네트워크 아키텍처를 활용하여 성능 향상을 달성함.

- **한계점:**

    - 본 논문은 시뮬레이션 결과에 기반하며, 실제 환경에서의 성능은 추가적인 검증이 필요함.

    - 특정 채널 조건 및 신호 매개변수에 대한 성능 평가이며, 다양한 환경에 대한 일반화 성능은 추가 연구가 필요함.

    - 제안된 네트워크의 복잡도 및 학습에 필요한 데이터 양에 대한 분석이 부족함.

[PDF 보기](https://arxiv.org/pdf/2503.20500)

![https://i.imgur.com/mg5kVat.jpeg](https://i.imgur.com/mg5kVat.jpeg)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).