본 논문은 심층 학습 기반 수신기가 다양한 잡음 수준에서 비트 오류율(BER)과 블록 오류율(BLER)을 크게 개선하는 방법을 평가합니다. 기존 채널 추정 및 등화 과정을 거치지 않고, 수신 신호와 잡음 분산을 입력으로 하여 직접 로그 우도 비율(LLR)을 예측하는 두 가지 새로운 모델, 듀얼 어텐션 트랜스포머(DAT)와 잔차 이중 비국소 어텐션 네트워크(RDNLA)를 제시합니다. 시뮬레이션 결과, DAT와 RDNLA는 다양한 신호 대 잡음비(SNR)에서 기존의 신경망 수신기 모델보다 우수한 성능을 보이며, 계산 효율성 또한 차세대 통신 시스템에 적용 가능함을 시사합니다.
