随着互联网上多媒体数据的日益增多，人们面对的信息量是以“海量”来形容的。如何从网上众多信息中检索出自己的所需，是信息检索的一个难点。传统的基于文本的检索由于其自身的限制以及多媒体数据的特殊性，已显得很不适用，基于内容的检索在这种情况下应运而生，并迅速成为检索技术的研究热点。目前对于基于内容的图像、视频检索的研究较多，基于内容的音频的检索则相对滞后。同时，随着小波分析技术的蓬勃发展，小波在信号分析方面的优势也日渐展露。基于此，本文在认真总结前人研究成果的基础上，将小波分析技术应用到基于内容的音频检索中，着重分析了音频特征提取、音频分割与音频聚类三个方面的问题。 本文的工作和研究成果主要包括以下几个方面：(1)研究了小波分析在音频方面的应用，提取了三个小波域的音频特征——近似平均幅度、近似静音比和近似过零率，分析了不同音频在这几个特征上的区别，并研究了此特征在音频分割与聚类中的性能；(2)针对传统音频分割方法的弊端，提出了一种“帧持续”的改进方法。实验证明，该方法降低了音频分割的敏感性，分割精度有了明显提高；(3)深入研究了k均值分类算法，并结合决策树思想提出了一种k均值决策树分类方法，利用该方法将k均值多类分类法构造为多次二分类法，避免了k均值算法对初始聚类数的依赖。通过实验，分析了该方法的性能。