音频分类与分割是音频检索技术的前提和基础，他们为音频结构化和音频信息的深度分析奠定了坚实的基础。基于内容的音频分类属交叉学科研究，涉及众多相关技术，如语音信号处理、模式识别、人工智能、机器学习等。特征提取和分类算法是音频分类研究的关键。　　 在特征提取方面，本文主要讨论了利用小波分析方法提取音频特征，介绍了基于帧和基于音频例子的特征提取，并提取了质心、带宽、过零率、能量熵等特征，最后介绍了特征值矩阵的构造方法。　　 在构造音频分类算法时，主要是采用基于SVM的分类算法，并设计了基于不同核函数的分类实验和基于不同小波的分类实验。在基于不同核函数的分类实验时，选取db4小波进行特征提取，然后分别选取两种核函数--径向基函数和多项式核函数，进行SVM的训练和测试，并比较它们的SVM训练速度和分类精度。在基于不同小波的分类实验时，分别选择db4小波和Haar小波提取音频特征，再选择RBF(径向基核函数)，来比较选择不同小波时分类性能的变化。最后进行分类实验并结合理论对实验数据进行分析。　　 实验结果表明，在SVM音频分类中，相比多项式核函数，基于径向基函数的SVM分类在训练速度和分类精度上的综合性能较为优越。此外，还通过db4小波和Haar小波的分类性能比较，发现选择db4小波时，分类精度普遍高于Haar小波，验证了在SVM分类时，db4小波是较好的选择。