一言以蔽之：SerDes Rx負責把資料接收回來。
Linear Equalizer（線形等化器）
在前文聊Tx時有提到過equalizer，就是拿來均衡Channel的，如果Channel response是H(f)，那麼理想的equalizer response就是倒數1/H(f)，兩者相乘交互作用後，得到的即為原汁原味的0dB=1。
equalizer也不一定要在Tx做，在Rx做也可以。由於Tx端知道原始資料是什麼，所以可以做非線性的補償（重點講三次、非重點略過不講），但是Rx端只能做線性的補償（整段課文都抄三次或把字寫漂亮）。
老師（Tx）上課講得很好，但張三同學今天生病沒有來上課，後來跟李四同學（Rx）借筆記，結果李四的字跡潦草，張三把李四的字重寫得比較工整，張三就是在做Linear Equalizer。
Decision Feedback Equalizer（決策迴授等化器）
雖然張三把李四的筆記重新抄寫一遍，字跡已經變得很工整，然而尷尬的是，教室實在太吵了（Channel很爛），筆記上寫的內容『莓果多貧元』，實在看不懂在寫什麼。Linear Equalizer的缺點，就是信號和雜訊都一起被放大了，不管李四記對還是記錯的筆記，張三都把字重寫工整了。
於是乎，有高手就提出了Decision Feedback Equalizer，能不能只放大信號而不要放大雜訊。還好張三昨天有去上課，知道老師之前教的是『美洲地理』，於是張三便判斷出今天筆記內這段話是『美國多平原』。張三這種依照過去的決策來輔助判斷現下的資訊，就是決策回授等化器。
Decision feedback equalizer顯然是一種非線性的等化器，它的效力很強，連『莓果多貧元』這麼不通順的句子也能解讀出來。不過如果參考的決策是錯的，那反而會造成error propagation。例如今天的老師不是教地理，而是教營養學，正確的句子其實是『莓果多酚原』，張三改寫為『美國多平原』反而錯的更離譜。