1.一种提高声纹识别速度的方法，其特征在于，应用于家用机器人，具体工作步骤包括：
S1：采集语音信号；
S2：对所述语音信号进行预处理；
S3：自所述预处理后的语音信号中提取语音特征参数，所述语音特征参数包括线性预测得到的第一类特征参数及模拟人耳对声音频率的感知特性而提取的第二类特征参数；
S4：为每一个家庭成员建立一个码本存储在语音数据库中作为所述家庭成员的语音模板，所述家庭成员的所有码本构成一声学模型；
S5：预先根据使用频率将所述声学模型区分为第一声学模型和第二声学模型，其中，所述第一声学模型的使用频率大于所述第二声学模型，并在通电时将所述第一声学模型加载至缓存中；
S6：依据所述第一声学模型和第二声学模型对待测语音信号进行模式匹配，获取识别结果。
2.根据权利要求1所述的提高声纹识别速度的方法，其特征在于，所述步骤S2中，所述预处理的步骤依次包括：
步骤S21，对所述预处理后的语音信号进行采样和量化以获得数字语音信号；
步骤S22，所述数字语音信号通过一滤波器组以提升所述数字信号的高频成分；
步骤S23，对步骤S22得到的语音信号进行分帧与加窗，获得加窗后的语音信号。
3.根据权利要求1所述的提高声纹识别速度的方法，其特征在于，所述步骤S3中提取所述第一类特征参数为线性预测系数，提取步骤如下：
步骤S31a，定义短时语音信号和误差信号；
步骤S32a，计算所述短时语音信号和所述误差信号的误差平方和；
步骤S33a，对所述误差平方和求导数，并求解方程组获得所述第一类特征参数。
4.根据权利要求1所述的提高声纹识别速度的方法，其特征在于，所述步骤S3中提取所述第二类特征参数的步骤包括：
步骤S31b，对所述预处理后的语音信号进行傅里叶变换得到线性频谱；
步骤S32b，对所述线性频谱通过一三角形带通滤波器组得到相应的梅尔频谱；
步骤S33b，计算所述梅尔频谱的对数频谱；
步骤S34b，对所述对数频谱进行离散余弦变换得到第二类特征参数。
5.根据权利要求1所述的提高声纹识别速度的方法，其特征在于，所述步骤S4的具体步骤如下：
步骤S41，自所述第一类特征参数和所述第二类特征参数中提取N个特征矢量，通过聚类法对所述特征矢量进行归类得到M个码本；
步骤S42，得到每个类对应的码本矢量；
步骤S43，建立每一个家庭成员的码本矢量的集合构成声学模型。
6.根据权利要求1所述的提高声纹识别速度的方法，其特征在于，所述步骤S6具体如下，
步骤S61，将待识别的语音信号依次与所述第一声学模型和所述第二声学模型作相似性匹配，并根据加权欧式距离测度进行判断；
步骤S62，选取适当的距离度量作为门限值；
步骤S63，满足门限值范围内的结果作为识别结果。
7.一种提高声纹识别速度的系统，其特征在于，包括
语音输入模块，用于捕获语音信号；
预处理模块，与所述语音输入模块连接，用于对所述语音信号进行预处理；
第一特征参数提取模块，与所述预处理模块连接，用于获取所述语音信号中的第一特征参数；
第二特征参数提取模块，与所述预处理模块连接，用于获取所述语音信号中的第二特征参数；
训练模块，与所述第一特征参数提取模块和所述第二特征参数提取模块连接，用于建立每个家庭成员的语音模板，所述家庭成员的所有码本构成一声学模型；
分类处理模块，与所述训练模块连接，预先根据使用频率将所述声学模型区分为第一声学模型和第二声学模型，其中，所述第一声学模型的使用频率大于所述第二声学模型，并在通电时将所述第一声学模型加载至缓存中；
模板匹配模块，与所述分类处理模块连接，依据所述第一声学模型和第二声学模型对待测语音信号进行模式匹配，获取识别结果。