本发明涉及无线通信技术领域，尤其涉及一种基于Cell‑FreemMIMO网络的联邦学习设备端能耗优化方法，包括：S0：初始化系统参数，初始化全局模型；S1：服务器分发全局模型给用户设备。本发明在用户训练本地模型的阶段，通过迭代优化用户设备端CPU的工作频率和本地模型的训练精度降低用户设备的本地训练功耗；在用户设备上传模型参数阶段，通过最小化用户设备的最大时延为目标进行功率分配，既抑制了落后者效应，又节约了设备端上行功耗。本发明可以显著降低联邦学习过程中设备端的功耗，不依赖于特定的联邦聚合方法和联邦学习类型，在大部分联邦学习场景中都可以提供良好的能耗优化性能。本发明的实现复杂度低，易于部署，具有很强的实用价值。