پیشرفت های اخیر در اینترنت و تکنولوژی محصولات چند رسانه ای دیجیتال، این امکان را داده است که سیگنال های دیجیتالی (صدا، تصویر و ویدئو) به آسانی به مناطق مختلف، توزیع و انتقال یابند. سیستم های جدید حفظ امنیت داده های صوتی عمدتا بر مبنای شناسایی سیگنال صوت با استفاده از محتوا استوار هستند. این سیستم ها معمولا از دو تکنولوژی واترمارکینگ و استخراج اثر انگشت استفاده می کنند. در این میان تکنولوژی استخراج اثر انگشت صوت به دلیل توانایی نظارت بر سیستم های صوتی توجه بسیاری را به خود جلب کرده است. سیستم های شناسایی صوت بر مبنای محتوا یا سیستم های استخراج اثر انگشت سیگنال صوت، خلاصه ای از ویژگی های منحصر به فرد سیگنال صوت را استخراج و در یک پایگاه داده ذخیره می کنند. در این صورت برای شناسایی یک سیگنال صوت ناشناخته، ابتدا یک اثر انگشت از این سیگنال استخراج می شود و سپس با اثر انگشت های موجود در پایگاه داده تطبیق داده می شود. سیستم های هشینگ کاربردهای فراوانی دارند، از جمله می توان به بررسی صحت اشاره کرد. هدف اصلی در بررسی صحت، پاسخ دادن به این سوال است که آیا داده ی دریافتی از طریق کانال از لحاظ محتوا تفاوتی با داده ی ارسالی از طریق فرستنده دارد یا نه؟ برای این منظور ابتدا یک اثرانگشت از داده ی دریافتی استخراج شده و با اثر انگشت داده ی اصلی مقایسه می شود. با استفاده از نتیجه ی این مقایسه می توان از صحت یا عدم صحت داده ی دریافتی اطمینان حاصل کرد. یک سیستم ایده ال استخراج اثر انگشت باید شرایط متعددی را برآورده کند، یکی از این شرایط پایداری است. به این معنی که سیستم بتواند سیگنال صوت را حتّی در حضور عوامل مختلف اعوجاج موجود در کانال نظیر نویز، فشرده سازی، تداخل و غیره به درستی شناسایی کند. از جمله شرایط مهم دیگر سیستم ایده آل استخراج اثر انگشت صوت می توان به بالا بودن دقت، کوتاه بودن طول اثرانگشت برای صرفه جویی در حافظه و پایین بودن پیچیدگی محاسباتی اشاره کرد. از طرفی الگوریتم شناسایی و تطبیق اثرانگشت نیز باید علاوه بر داشتن قدرت تشخیص بالا، از لحاظ محاسباتی نیز بهینه باشد. روش های مختلفی برای افزایش پایداری این سیستم در مقابل این عوامل و همچنین کاهش پیچیدگی محاسباتی پیشنهاد شده است. در این پایان نامه روشی برای استخراج اثر انگشت با استفاده از تبدیل ویولت گسسته پیشنهاد شده است. در این روش باندهای فرکانسی اکتاو موجود در هر فریم سیگنال با استفاده از مفهوم فیلترهای پایین گذر و بالاگذر الگوریتم mallat برای محاسبه ی تبدیل ویولت گسسته تخمین زده شده اند. سپس چهار نوع ویژگی از ضرایب تبدیل ویولت استخراج شده اند. ویژگی های فوق شامل میانگین، نرخ عبور از صفر، ممان اول نرمالیزه شده و صافی ضرایب ویولت موجود در هر زیر باند هستند. ویژگی های فوق برای ضرایب موجود در هر فریم نیز استخراج شده است تا بتوان با استفاده از مقایسه ی مقادیر ویژگی های متناظر و روش رای گیری در ریاضیات یک ماتریس با 256 سطر و 10 ستون به عنوان ماتریس اثرانگشت استخراج کرد. نتایج شبیه سازی نشان می دهند که روش پیشنهادی پایداری بالایی در مقابل عوامل اعوجاج موجود در کانال نسبت به روش مشابه دارد. علاوه بر پایداری، قدرت تمییز بالا بین سیگنال های مختلف و پیچیدگی محاسباتی کم نیز از ویژگی های روش فوق است.