本文提出了一种基于Lyapunov优化框架的动态调度策略，旨在最大化用户生成训练数据的时间平均重要性，同时满足能耗和延迟约束。研究了联邦边缘学习系统中的挑战，提出数据感知调度框架，并探讨数据隐私保护和能效传输的问题。通过优化资源分配和调度策略，显著提升了学习性能和节能效果。