شناخت دقیق در محیط پیچیده و پویا نقش اساسی در هوش مصنوعی دارد. طبقه بندی دقیق وقایع آکوستیک یکی از پایه های آگاهی صوتی محیطی است که با ویژگی های انتخاب شده ارتباط مستقیمی دارد. در این مقاله ، هدف این است که یک تجزیه و تحلیل عملکرد از طرح های مختلف تجمع ویژگی های آکوستیک در طبقه بندی صدای محیط (ESC) وظایف برای پیدا کردن بهترین استراتژی های کل ویژگی برای غلبه بر مشکل چالش برانگیز از بالا بردن دقت طبقه بندی صداهای محیط است. با تعداد قابل توجهی از آزمایشات ، ترکیب ویژگی شامل MFCC ، Log-mel Spectrogram ، Chroma ، Spectral Contrast و Tonnetz به دقت طبقه بندی حالت در هنر در مجموعه داده های ESC (85.6٪) و ۹۳٫۴٪ در مجموعه داده UrbanSound8K دست می یابد.