计算机检索音频片段，可使用基于标题或文件名的文本标注方式，但由于文件名和文本描述的不完整性和主观性，很难找到满足具体要求的音频片段。哼唱音乐检索作为一种最自然的音乐检索方式，目前已被国内外专家普遍关注。HMM作为一种统计模型，由于有坚实的理论基础，已经被引入哼唱音乐检索领域。但大部分的研究成果都是以音符为基础建立模型，以音符为处理单位来进行训练和识别，通过音符切分来获取旋律中每个音符的音长等，这样会导致哼唱方式不自然。 针对以上问题，本文对哼唱检索理论和HMM模型进行了深入研究，在已有研究成果基础上，分析了HMM模型在哼唱检索中的可行性和理论优势，并对其在音乐检索中的模型和相关算法进行了改进，设计出音乐检索原型系统。通过对旋律信号作短时分帧，提取旋律特征向量，考察这些特征向量序列在统计上的规律，在检索前对每首旋律分别训练建模，然后计算待测旋律在这些模型上的概率，挑选概率最大的作为检索结果，实现了有效的音乐检索。 具体工作如下： 1．对基于内容的音乐检索结构分析，给出音频信息特征的表示方法和MIDI音乐旋律的常用表示方法。 2．分析了HMM模型的基本原理，简述了该模型的三个核心问题和解决三个问题的基本算法，提出HMM模型在哼唱检索特征提取及识别中的可行性及理论优势。 3．分析了HTK工具包进行训练和识别某类物体的过程，以HMM作为分类器，对哼唱的音乐内容进行分类，实现了基于LFPC的HMM分类算法研究。 4．讨论了MID音乐特征的提取与选择，以连续隐马尔可夫模型（CHMM）为基础建立旋律模型，以帧为单位进行训练和识别，并通过实验验证了HMM模型进行哼唱检索的有效性。