声音媒体是除视觉媒体外最重要的媒体,随着可利用的多媒体资源迅速增加,如何对其进行有效的查找,已成为多媒体与信息检索技术一个重要的研究课题。在基于内容的音频检索技术中,最基本的是对音频的特征进行提取,不同的特征对音频分类和检索的准确性产生不同的效果。除特征的选择外,搜索匹配的方法也会影响检索的准确性。在音频分类方面,为了有效地区分人发出的声音和含乐器音乐背景的声音,引入了低幅度信号率这一特征;为区分语音和哼唱,引入了总体波形散乱度这一特征。低幅度信号率是指在非静音区域信号幅度较低的采样点所占的比例,实验测试显示,人发出的声音低幅度信号所占的比例通常比较高,而含乐器音乐背景的声音低幅度信号所占的比例通常较低。总体波形散乱度是声音的时域波形图形的散乱程度,语音的总体波形较哼唱散乱,找到一个合适的衡量波形散乱度的方法就能够在一定程度上区分语音和哼唱。在音频检索方面,主要研究了哼唱乐曲检索和音频例子检索技术。哼唱乐曲检索的特征提取从音频帧的频率分析着眼,结合各类型声音的特点,对哼调和口哨曲调的音频主要根据音频帧最大响度音符跳跃程度进行音符切分和提取,对清唱曲调的音频主要根据突出频带的跳跃程度进行音符切分和提取,并在搜索匹配中根据不同音符所占比例及偏差程度进行相似度衡量。在音频例子检索中,利用小波变换对Mel倒谱系数提取中的频带划分和系数选取做了改进,并对分段搜索时序性要求进行了分析,给出了判定是否符合时序性要求的计算方法。