本文提出了一种新的独立客户抽样策略，以优化联邦学习在无线网络中的训练时间和性能。实验结果表明，该策略在数据异构环境下显著优于现有方案，并建议在非独立同分布场景中采用多项式分布采样。此外，研究还探讨了客户端选择和资源分配的优化方法，以提高收敛速度和降低能耗。