随着网络流媒体技术以及社会化网络的发展和大数据时代的到来,越来越多的音频信息出现在互联网中,在给人们的生活娱乐带来便利的同时,也对其存储和管理增加了难度。大量重复、冗余的数据对音频数据库的存储空间造成巨大浪费的同时,也增加了数据库维护、数据分类和检索的难度。如何识别出重复冗余的音频数据、对音频数据库进行有效维护以及在海量音频数据中快速有效地进行检索成为当前信息检索领域的一个研究热点与难点。木课题首先对音频指纹检索技术的商业前景以及研究现状进行了详细介绍,说明了该技术的优点以及研究的必要性。该技术是基于内容的音频检索技术的一种,与传统基于文本的检索技术相比,它的优势在于信息检索不再依赖于人工标注的标签和关键字,而是使用音频本身的时间、频率率、振幅、能量等多个维度的特征进行检索,在减少人力的同时,提高了检索的准确性和效率。然后对Echoprint、Chromaprint、Philips等几种现有的音频指纹检索技术进行了研究比较,并在现有国内外算法和技术成果的基础上,提出了一种基于FFT的哈希指纹提取算法和基于阈值的固定间隔抽样的哈希检索算法,使得提取算法在保持鲁棒性和抗噪性的同时,提高了检索算法的准确性以及效率。同对音频指纹数据进行了优化以缩短指纹的长度、提高检索的效率并设计了几种基于Hash表的存储结构,出于对存储空间的占用以及检索效率的综合考虑,最终选择了基于动态数组的Hash表作为指纹在内存中存储的数据结构。最后对Hadoop、Storm、Spark大数据平台进行了分析比较,并在此基础上提出了音频指纹的序列化分布式存储方案,提高了算法的并发性,进而构建了 一套Spark大数据平台下的高并发、高性能的音频信息分布式存储与检索系统,对音频指纹检索技术的发展和实际应用具有指导意义。