一种基于联邦学习的毫米波雷达人体动作识别方法，包括利用毫米波雷达获取人体动作的距离多普勒图数据，并通过卷积神经网络和长短时记忆网络对雷达数据提取浅层特征向量和时间相关性信息，最后通过分类器网络得到检测结果；同时采用联邦学习架构，将多个客户端设备的模型训练参数聚合，不断更新全局模型提高模型精度。在毫米波雷达进行人体动作识别基础上采用联邦学习架构，通过将数据存储和模型训练转移至本地客户端，不直接收集用户数据，仅通过模型参数的聚合来完成中心模型的更新，模型不仅具有高精度和更好的泛化能力，而且有效保障了用户数据的隐私安全。