本研究分析了不完美通信渠道对分散式联邦学习（D-FL）的影响，并确定了每轮训练的最佳本地汇总次数。实验证实了收敛分析，并在图像分类任务中确定了最佳的本地汇总次数。结果显示，具有最佳本地汇总次数的D-FL可以提高10%以上的训练准确性。