本研究提出了一种新型的空中计算联邦学习方案，通过自适应加权聚合提高学习性能，避免了复杂的信道状态信息传输。研究结果显示，该方案在不同设备和信道条件下相比现有策略提高了15%至30%的准确率。

该文综述空中计算联邦学习（OTA-FL）技术，从系统设置、安全与隐私等方面进行分类分析，并指出未来在性能、可靠性和可信度方面的挑战与方向。相关研究涵盖可重构智能表面优化、预编码缓解信道噪声、MIMO集成、概率设备调度、免解码信道估计及自适应本地更新与压缩等，以提升学习效率与精度。