La clasificación de sonidos ambientales es una rama importante del procesamiento de señales acústicas. En este trabajo, se proponen un conjunto de características de clasificación de sonidos basadas en la percepción de la señal de audio y el análisis estadístico para describir la señal desde múltiples aspectos del dominio temporal y frecuencial. Las características de energía, entropía espectral, tasa de cruce por cero (ZCR) y coeficiente cepstral de mel-frecuencia (MFCC) se combinan para formar características de análisis de señal conjunta (JSA) para mejorar la expresión de la señal de las características. Luego, basándose en el JSA, también se propone una nueva característica de análisis de señal conjunta de región (RJSA) para la clasificación de sonidos ambientales. Puede reducir la computación de extracción de características y mejorar la estabilidad, robustez y precisión de la clasificación de características. Finalmente, se proporciona un marco de clasificación de sonidos basado en el método de aprendizaje de conjunto de refuerzo para mejorar la precisión de la clasificación y la generalización del modelo. Los resultados experimentales muestran que en comparación con la mayor precisión de clasificación del algoritmo base, el algoritmo de clasificación de sonidos ambientales basado en nuestras características propuestas RJSA y métodos de aprendizaje de conjunto mejora la precisión de la clasificación, y la precisión del algoritmo de clasificación de sonidos basado en LightGBM mejora en un 14.6%.