A edição musical é normalmente limitada quando instrumentos musicais compartilham o mesmo canal de áudio, ou seja, os diversos sinais sonoros que compõe determinado arranjo musical estão somados e qualquer edição na tentativa de alterar algum instrumento pode afetar qualitativamente os outros. Desta forma, é interessante identificar sons misturados e separá-los em suas respectivas pistas sonoras, colocando cada instrumento em um canal de áudio exclusivo. Esta dissertação propõe a automatização deste processo, mais precisamente, procura trabalhar com instrumentos de percussão, isolando-os em canais distintos sem a necessidade de um músico ou produtor musical para tal tarefa. Para isso três abordagens são utilizadas: a primeira proposta utiliza filtros digitais enquanto a segunda e a terceira envolvem os conceitos de aprendizagem de máquinas através da parametrização do áudio de maneira supervisionada e não supervisionada, respectivamente. O conhecimento das principais frequências dos instrumentos aliado aos filtros digitais FIR formam a base da primeira proposta. Já a extração de características dos sinais de áudio aliada à segmentação automática em trechos de interesse é essencial às propostas de classificação de padrões. As técnicas kNN, rede MLP e Naive Bayes são testadas em diversos cenários na proposta supervisionada enquanto k-Médias e Rede SOM são avaliados na abordagem não supervisionada. Além de reconhecer a existência de determinado instrumento no áudio misturado, o presente trabalho identifica os instantes em que o som de tal instrumento ocorre, logo sendo possível tanto a criação de canais distintos como também a escolha de instrumentos substitutos (samples). Os resultados alcançados por todas as propostas se mostraram satisfatórios e podem ser avaliados através dos links disponibilizados.