随着互联网和多媒体的快速发展,信息急剧增加,如何在海量的信息中快速准确地检索出有效信息已成为人们的迫切需要。音频检索作为信息检索技术的一个重要分支取得了较快发展,已成为研究热点。同时,随着智能终端的急速发展,音频检索出现了新的要求。因智能终端使用的环境复杂性,查询片段往往带有较多的噪音,这就要求系统具有较高的鲁棒性。为了便于终端与服务器之间的通信,还要求特征数据短小。本文介绍了基于内容的音频检索技术的基本概念,并围绕其关键技术展开研究,主要工作和研究成果包括以下几个方面：(1)分析和研究各种音频特征,包括Mel倒谱系数(MFCC), Chroma旋律特征,多种音频指纹特征(Audio Fingerprint)等。认为音频指纹特征具有较高的鲁棒性,并改进Shazam的音频指纹特征,使之具有较高的抗噪能力,且特征数据较小。(2)分析和研究几种较为常见的音频分类算法,包括动态时间规整,高斯混合模型,隐马尔科夫模型,支持向量机。我们用这些分类器对音频特征进行分类,方便检索。由于这些分类器的时间复杂度较大,在海量音频数据下,分类器的训练需要花大量的时间,且影响分类器性能。在本文检索系统中,使用Hash算法来实现分类。(3)通过音频分类后,音频数据已完全结构化,使用较为成熟的文本检索技术来实现音频检索。我们采用倒排索引实现检索,不同于Hash索引,其支持海量音频数据的查询,且可以直接使用现有系统,如Lucene等。(4)研究音频匹配算法,将改进的编辑距离作为检索系统的精匹配部分,同时,多步优化,使其具有较快的运算速度。