近年来,根据信令和语音内容的电话分类技术已经取得了广泛的研究成果,但是在信令不完整或语音内容相关性弱的电话分类问题中难以有效应用。而电话分类问题在众多应用场景里非常重要,本文针对该问题展开研究,提出了基于音频特征的电话分类方法。本文提出了基于音频统计特征的VoIP电话分类方法。该方法通过提取和基于统计学方法计算音频中可区分VoIP与电信电话的特征,利用基于决策树的随机森林和LightGBM实现特征筛选,并将重要性系数高的特征用于多模型训练来实现VoIP电话与电信电话的分类。本文提出了基于自编码网络频谱特征训练的呼转电话分类方法。该方法通过提取音频中可用于区分呼叫转移电话与普通电话的特征,除了利用统计学方法计算音频特征,还加入降噪自编码网络训练频谱特征在编码层获取反映频谱噪声特性的隐式特征,通过特征组合、特征筛选和多模型训练来实现呼转电话与普通电话的分类。本文提出了基于神经网络音频序列特征训练的电话来源分类方法。该方法通过MFCC和PLP特征及其差分特征训练卷积神经网络进行语种识别,再针对中文电话利用多个音频序列特征训练卷积神经网络和GRU网络获取隐式特征,并通过组合统计学方法计算的音频特征和深度自编码网络训练的频谱特征来实现地理位置分类。笔者采集了八千条VoIP电话、六千条呼转电话、七千条普通电话以及一万条境外电话数据。在VoIP电话分类中F1值达到最高90.15%;在呼转电话分类中,利用降噪自编码网络特征F1值达到最高91.88%;在电话来源分类中,语种识别利用MFCC与PLP特征,日文-中文与英文-中文分类均达到理想效果。地理位置分类利用卷积神经网络特征,针对A国的分类F1值达到91.06%,B国达到79.71%,C国达到74.26%。实验结果均表明基于音频特征的电话分类有效。本文还实现了基于音频特征的电话分类系统,用户通过导入测试音频并指定分类模块可实现对电话的分类。系统测试结果表明,本系统能够正常响应用户请求并返回正确的结果。