Recente technologische ontwikkelingen hebben het mogelijk gemaakt om grote digitale muziekcollecties aan te leggen. Het blijft echter tijdrovend om handmatig de metadata (titel, artiest, muziekgenre,...) te voorzien voor een efficiënte navigatie in de collectie. In deze thesis wordt een systeem beschreven voor de automatische toekenning van het metrum 2, 3, 4 of 6 aan westerse populaire liedjes. Een dergelijk systeem leidt uit audio een aantal metrische kenmerken af en past vervolgens daarop een classificatiealgoritme toe. Om de metrumclassificatie te verbeteren werden een aantal nieuwe metrische kenmerken gedefinieerd en nieuwe methodes uitgedacht voor de automatische selectie van de meest geschikte kenmerken en het best presterend classificatiealgoritme. Het ontwikkelde systeem bereikt een nauwkeurigheid van 90% voor de classificatie in twee metrische klassen (metra 2 en 4 versus metra 3 en 6) en 72% voor de classificatie in vier metra. Daarmee verbetert het de state-of-the-art significant. Om deze goede resultaten te bereiken werd eerst een collectie van 2000 liedjes met manueel geannoteerde metra geconstrueerd en werd een perceptuele evaluatiemaat ontwikkeld die de manuele annotaties beter exploiteert. Tenslotte werd aangetoond dat de voorgestelde metrische kenmerken 60% van de waargenomen variaties in de stapsnelheden van proefpersonen die wandelen op muziek, kunnen voorspellen