La música es una parte indispensable de nuestra vida y estudio y es una de las formas más importantes de aplicaciones multimedia. Con el desarrollo del aprendizaje profundo y de las redes neuronales en los últimos años, la forma de utilizar la tecnología de vanguardia para estudiar y aplicar la música se ha convertido en un punto caliente de investigación. La forma de onda de la música no solo es la forma principal de la frecuencia musical, sino también la base de la extracción de características musicales. Este trabajo diseña en primer lugar un método de extracción de notas basado en el principio de la transformada rápida de Fourier de la ruta de paquetes de señales de audio bajo el mapa autoorganizado (red neuronal SOM) que puede extraer con precisión las características musicales de la nota, como la amplitud, el volumen, el periodo, etc. En segundo lugar, los segmentos de audio se dividen en resúmenes añadiendo el método de coincidencia de ventanas en movimiento, y las características musicales, como la amplitud, el volumen y el periodo de cada compás, se obtienen de acuerdo con el rendimiento de la señal de audio en cada compás. Por último, según la similitud de la teoría de la música de audio del resumen adyacente de cada compás, se dividen los segmentos de audio y se obtienen las características musicales de cada segmento. Se mejora la red neuronal recurrente tradicional (RNN) y se utiliza la red neuronal SOM para reconocer las características de la emoción del audio. Los resultados experimentales finales muestran que el método propuesto basado en la red neuronal SOM y el big data puede extraer y analizar eficazmente las características de la forma de onda de la música. En comparación con estudios anteriores, este trabajo propone de forma creativa un nuevo algoritmo, que puede extraer y analizar con mayor precisión y rapidez la forma de onda de sonido de los datos, y utiliza la red neuronal SOM para analizar el modelo de emoción contenido en la música por primera vez.