5、新兴虚拟现实系统中的分布式边缘学习与深度学习目标识别算法综述

新兴虚拟现实系统中的分布式边缘学习与深度学习目标识别算法综述

虚拟现实系统现状与挑战

虚拟现实（VR）系统具有多感官、沉浸感、交互性和想象力等基本特征，其由虚拟环境处理器、视觉系统、听觉系统和方位追踪器等构成。在一些复杂项目中，VR技术为设计、管理辅助设计和计划评审提供了便利。然而，在VR系统运行时，由于大量计算任务，服务器需实时响应客户端请求，这导致部分服务器过载，而其他服务器闲置，造成资源浪费并降低系统性能，因此升级和改进VR系统至关重要。

多接入边缘计算（MEC）

MEC作为一种新兴技术，可将计算和存储资源部署在移动网络边缘或靠近用户的无线接入网络一侧，提供计算、存储和通信等服务。自2013年提出以来，MEC不断改进以融合当代移动网络的特点，它将云数据中心的服务和功能“下沉”到网络节点，为边缘用户提供服务，减少了网络操作和延迟，提高了用户服务质量。

MEC在运行中有以下特点：
1. 节点部署在网络边缘，方便用户访问本地网络资源，推动物联网发展。
2. 更接近用户，可获取各种用户信息进行分析处理，促进新服务的推出。
3. 边缘计算设备靠近终端设备，减少延迟，提高响应速度，缓解网络拥塞。
4. 采用实时网络数据信息（如无线网络）提供相应服务。
5. 根据底层命令信息确定关联物联网设备的位置信息，为基于地理信息的服务奠定基础。

MEC考虑具有等式约束的凸优化问题，关键实现是引入对偶变量，交替迭代原始变量和对偶变量，使两者同时获得最优值。在强对偶性假设下，可同时获得原始问题和对偶问题的最优解。但函数的强凸性使对偶上升法无法直接应用，具体问题如下：
[
\begin{al