随着软件及硬件的复制、发布及多媒体数据生成工具的发展,互联网上的音频数据呈跨越式增长,如何鲁棒而又高效的从海量多媒体数据库中搜索用户感兴趣的信息成为近年来亟待解决的问题。基于内容的数字音频指纹技术由于允许音频格式的独立且不需要植入其他多余的数据,数据量小、鲁棒性好而得到青睐,它能够对音频数据进行自动检索与识别,在近年来得到快速发展,而实际环境中,当音频遭遇失真特别是噪声污染的情况下,音频指纹系统的性能会迅速下降,因此高效而又鲁棒的音频指纹是广大研究音频指纹技术的学者和机构的追求目标,本文主要针对音频指纹技术展开了深入的研究,并取得了如下的成果:提出一种鲁棒的量化哈希音频指纹,以子带能量差作为音频特征,将查询音频的失真程度通过概率密度函数进行量化编码并得出与数据库中侯选音频间的量化距离,更好的刻画了失真的概率分布,改善了传统音频指纹系统中的二进制编码将实值0/1所导致的信息丢失直接影响音频指纹的鲁棒性的问题。针对本文所提的量化哈希指纹,提出一种二层匹配方案,第一层基于LSH检索将相似性很低(几乎不可能的)的指纹数据排除,剩下的数据集作为第二层的侯选数据库;第二层采用顺序匹配,并使用量化哈希距离作为相似度量,逐个与侯选数据库中的音频指纹数据匹配以找到满足用户精度要求的目标。在此匹配结构中,第一层匹配技术相当于对原始数据进行了优化,减少了大量的计算与检索时间。实验表明,在查询音频严重失真条件下,本文方法较传统二值哈希系统的鲁棒性明显得到提高。