FLISM框架使用模拟技术来学习处理缺失传感器模态的稳健表示，并在不同模态客户端之间传递模型知识。通过在三个真实数据集和模拟结果上的评估，FLISM在模型性能和系统效率之间取得了平衡，平均提高了0.067的F1分数，并且与现有方法相比，通信速度更快（2.69倍）和计算效率更高（2.28倍）。在涉及更多模态任务的模拟场景中，FLISM在通信效率（3.23至85.10倍）和计算效率改进（3.73至32.29倍）方面取得了显著加速。