随着“云存储”、“大数据”时代的到来,网络数据量成井喷式增长,在每天以不可思议的速度增长的网络数据中,音视频数据占据了很大的比例。这些网络音视频数据大都存在重复的现象,重复的多媒体文件给音视频网站的管理带来了很多难题,而解决这些难题仅仅依靠人力是几乎无法完成的,因此对多媒体文件重复性检测的研究具有非常重要的意义。目前对多媒体文件的重复性检测的研究主要分为基于文字描述、基于图像和基于音频的重复性检测。基于文字描述的方法过于主观性,对于恶意删改的文件无法检测;基于图像的方法无法对纯音频文件进行检测,并且其检测速度慢,准确率较低无法满足现实要求。因此,本文从音频入手,研究基于音频的多媒体文件重复性检测的方法。本文主要完成了以下工作:首先,本文研究了音频的特征表示方法。本文从目前研究经常使用的声学特征层出发,对时域特征、频域特征和倒谱域特征进行了介绍,并重点研究了倒谱域的Mel频率倒谱系数(MFCC)和频域的音级轮廓(PCP)特征以及在两者基础上发展而来的美尔音级轮廓(MPCP)特征的原理和计算方法。除此之外,本文提出了新的融合特征(MP)。其次,本文研究了基于model-free音频文件重复性检测的过程,包括多媒体文件格式统一化处理、特征表示、滑动窗口、交叉递归图和重复性判定。格式统一化处理是从多媒体文件中提取音频数据并进行解码。特征表示即是提取音频的四个特征来表示音频数据。滑动窗口是对于多媒体文件不等长的情况使用滑动策略。交叉递归图是以二维图的形式来分析两段音频特征的相似性。重复性判定是通过交叉递归图定量分析两段音频特征之间的相似度,进而通过与阈值比较判定两个多媒体文件是否重复。本文分别比较了四个音频特征(MFCC、PCP、MPCP、MP)的实验性能,并且通过实验发现,基于model-free音频文件重复性检测系统具有不错的检测准确率。最后,本文研究了基于model-based音频文件重复性检测的过程,包括多媒体文件格式统一化处理、特征表示、滑动窗口、交叉递归图、基于交叉递归图的特征向量提取、Max Pooling和支持向量机(SVM)模型。本系统将重复性检测转化为二分类的问题,进而使用SVM模型。通过实验发现,基于SVM模型的音频文件重复性检测系统具有更出色的表现。