La biometría es la identificación automatizada de una persona basada en características distintivas, como huellas dactilares, rostro, voz o el sonido de los pasos. Esta última característica presenta desafíos significativos considerando el ruido de fondo presente en cualquier aplicación de la vida real, donde los micrófonos grabarían los sonidos de los pasos y diferentes tipos de ruido. Por esta razón, es crucial considerar no solo la capacidad de los algoritmos de clasificación para reconocer a una persona usando sonidos de pasos, sino también al menos una etapa de algoritmos de eliminación de ruido que puedan reducir los sonidos de fondo antes de la clasificación. En este artículo estudiamos las posibilidades de un enfoque de dos etapas para este problema: una etapa de eliminación de ruido seguida de un proceso de clasificación. El trabajo se centra en descubrir la estrategia adecuada para aplicar combinaciones de ambas etapas para tipos y niveles específicos de ruido. Los resultados varían según el tipo y nivel de ruido, por ejemplo, para el ruido blanco a nivel de relación señal a ruido, la precisión puede aumentar de 0.96 a 1.00 aplicando filtros basados en aprendizaje profundo, pero la misma opción no beneficia a los casos de señales con bajos niveles de ruido natural, donde el filtrado de Wiener puede aumentar la precisión de 0.6 a 0.77 en el nivel más alto de ruido. Los resultados representan una línea base para desarrollar implementaciones de la vida real de la biometría de pasos.