由于海量存储技术与计算机网络技术的高速发展，互联网每天都更新海量的音频信息，使得如何从海量音频信息中检索到所需信息成为亟需解决的问题，从而促成了音频指纹技术的产生。目前音频指纹技术还处于探索研究过程中，很多技术还不够成熟，已有算法都有各自的缺点，一般存在着特征反映不全面、抗线性速度变化攻击的鲁棒性差和指纹尺寸过大等问题。弥补这些缺陷将会提高算法的识别率和对比效率，从而在实际应用中具有重要意义。针对基于内容的音频指纹提取技术，本文从时域特征、频域特征和时频域特征三个方面，研究了国内外多种音频指纹算法，提出了一种改进的MFCC算法和一种基于db4小波统计特性的指纹算法。其中，本文提出的改进MFCC算法改善了MFCC算法对中高频特征不敏感以及缺乏动态特征的缺陷；而本文提出的基于db4小波统计特性的指纹算法，改善了一般算法抗线性速度变化攻击鲁棒性较弱的缺陷，并减少了指纹存储空间。实验表明，本文提出的改进MFCC算法在各种攻击处理下表现出比传统MFCC算法更好的鲁棒性和更高的识别率；本文提出的基于db4小波统计特性的音频指纹算法，不仅对常见的保留信号内容的攻击处理及加性高斯白噪声具有很好的鲁棒性，而且对线性速度变化攻击也具有良好的鲁棒性，另外，其生成的指纹尺寸也比较小。在后续的研究工作中，还需要对指纹尺寸的改善和抗某些攻击的鲁棒性深入研究，从而提高算法效率和得到更高的识别率。