本文提出了一种解决异构设备数据、计算和通信延迟以及非独立同分布数据的联邦学习框架，通过数学分析研究了其收敛性、计算和通信延迟，并最终通过优化问题得到了剪枝比例和无线资源分配的闭式解。实验结果表明，该框架能够显著减少约50％的计算和通信延迟。