随着计算机技术、网络技术和通讯技术的不断发展，音频、图像和视频等多媒体数据约占互联网信息高速公路上所传送的数据的70％，其中声音媒体是除视觉媒体外最重要的媒体形式，各行各业对声音媒体的使用越来越广泛。因此，基于内容的音频处理和分类已成为多媒体处理、信息检索及数据管理研究领域的重要课题之一。本文在认真分析和总结前人研究成果的基础上，重点解决了音频结构分析、音频信号预处理、特征分析和提取、音频聚类、基于SVM的音频分类及基于BP网络的音频分类等问题。　　 本文的工作主要包括以下内容：　　 (1)对原始的音频信号进行基本处理，包括对音频信号进行分帧、加窗和端点检测等预处理工作。　　 (2)分析了语音、音乐和噪声的声学特性，抽取了各类音频的时域及频域特征的相关特征，其中包括短时过零率、平均短时能量、频谱能量、频谱质心、美尔倒谱系数等，并对部分帧特征值进行了统计，得出了高过零率比例、低短时能量比率、静音帧比率、平滑基音帧比率等特征。　　 (3)设计并实现了多种分类算法。本文分析了支持向量机的数学模型，设计了用于音频分类的支持向量机，并对样本库中的语音、音乐、带音乐的语音及噪音等音频数据进行了分类实验。本文还研究了另一种常用的模式分类器BP神经网络，分析了BP网络的训练及识别过程，并设计了具有一个隐含层的三层前馈网络，重点对音频样本库中语音、音乐和噪声做了分类实验。　　 (4)实现了有关汉语普通话声调识别的实验。分析了汉语的声调特征，提取了能体现声调特性的相应特征，采用支持向量机及BP神经网络作为分类器，对连续汉语语音做了声调识别实验，并对结果进行了比较。　　 实验表明，本文提取的音频特征基本有效，分类效果良好。随着后期研究的深入，所取得的成果将具有一定的应用价值。