本文提出了一种任务导向的空中计算方案，旨在提高多设备分裂推理系统的准确性，减少通信开销与延迟。研究探讨了设备协调、聚合噪声特征向量及信息瓶颈原理，并提出低复杂度算法和数字化无线计算方案，以优化联邦边缘学习的性能。

该文综述无线联邦学习的通信效率优化，涵盖数字与模拟传输、量化、空中计算及资源分配。研究表明，模拟传输和OTA方案在非独立同分布数据下收敛更优；量化可降低带宽并保持精度；联合优化用户选择与资源分配能减少能耗和延迟，提升收敛速度。

该文综述无线联邦学习中的设备调度与空中计算技术，涵盖PO-FL概率调度、OTA-FL收敛性分析、中继辅助调度、D2D随机编码、差分隐私保护及带宽分配优化，以缓解信道噪声、提升通信效率与收敛速度。