该文综述无线联邦学习的研究进展，涵盖异步联邦学习的概率客户端选择与带宽分配优化、数据异构下的调度与资源分配及本地训练轮数优化、以用户为中心的个性化聚合规则、全局与个性化模型分离以剪枝并降低约50%计算通信延迟、联合用户选择与资源块分配以最小化损失、网络设计与资源编排提升可扩展性、收敛速率与能耗平衡、LESSON按频率选择客户端加速收敛，以及基于区块链的安全框架防御中毒与成员推断攻击。