本发明公开了一种大规模自组织麦克风阵列下帧级多通道的说话人确认方法，在单通道说话人确认系统的池化层之前加入时空处理块，分别建模通道内、通道间以及跨时间的上下文关系，进一步提升远场ASV的性能。包括如下步骤：1)在池化层之前加入由跨帧处理层(Cross‑Frame Processing Layer,CFL)和跨通道处理层(Cross‑Channel Processing Layer,CCL)组成的时空处理块；2)为了使噪声通道的通道权重为零，将跨通道处理层的softmax算子改进为sparsemax算子。在Libri‑adhoc‑simu数据集上的结果表明，STB的多通道ASV系统实现了低于oracle one‑best基线33％的等错误率(EER)；在Libri‑adhoc40数据集上的结果表明，STB的多通道ASV系统实现了低于oracle one‑best基线27％的等错误率，同时也实现了低于话语级跨通道自注意力ASV系统9％的等错误率，达到了优越的性能。