本研究提出了双重注意力变换器（DAT）和残差双重非局部注意力网络（RDNLA）两种新模型，以提高复杂环境下的信号检测和解码效率。实验结果显示，这些模型在不同信噪比条件下显著优于传统方法，具有在下一代通信系统中的应用潜力。

该文章提出了一种基于深度学习的方法，用于高效计算埃尔米特矩阵的逆矩阵，并应用于上行大规模MIMO系统中的信号检测。该方法通过离线训练优化多项式展开项的系数，收敛速度和计算复杂度优于传统方法。离线训练过程时间稍长，但训练过程仍然很快。