声音的物理与数学基础 / The Physical and Mathematical Foundations of Sound

当钢琴琴键被按下，琴弦的振动引发空气分子疏密交替的传播，最终刺激耳蜗中的毛细胞产生神经信号——这一看似简单的物理过程，实则蕴含着深刻的数学规律。声音，这一无形的艺术载体，其物理属性与数学描述构成了音乐理论的基石。声波作为机械波的一种，其传播可通过正弦函数精确建模；音高、音强、音色等主观感受，分别对应频率、振幅、频谱等客观物理量。本章将从波动物理出发，逐步建立声音的数学描述体系，揭示频率与音高的对应关系、声强与响度的对数关联，并探讨不同律制的数学原理，为后续理解和声、节奏与调式的数理结构提供必要的物理与数学准备。

声音的本质是物体振动在介质中引发的压力波动。当音叉、琴弦或声带等声源振动时，其周围空气分子随之发生疏密变化的纵向传播，形成声波（sound wave）。与绳波等横向波不同，声波在气体和液体中为纵波，即介质质点振动方向与波传播方向平行。声波传播的速度（v）取决于介质的弹性与惯性，在标准大气压、20°C的干燥空气中，声速约为343米/秒。这一速度并非恒定，随温度升高而增加，近似公式为 $v \approx 331 + 0.6T$（T为摄氏温度）。理解声速是分析波长与频率关系的前提。

声波的基本参数包括频率（frequency）、波长（wavelength）与振幅（amplitude）。频率 $f$ 表示单位时间内声源振动的次数，单位为赫兹（Hz），直接决定音高（pitch）的主观感知。波长 $\lambda$ 则是声波在一个周期内传播的距离，即相邻两个密部或疏部之间的距离。三者通过波速公式紧密关联：$v = f \lambda$。例如，标准音A4的频率为440 Hz，在空气中波长约为 $343 / 440 \approx 0.78$ 米；而低音C2的频率约65.4 Hz，波长则扩展至约5.2米。振幅描述声波压力的变化幅度，与声强（intensity）直接相关。声强定义为单位垂直面积上通过的声功率，对于平面波，$I \propto A^2$，即振幅加倍导致声强增至四倍。这种平方关系在后续分贝计算中至关重要。

纯音（pure tone）的波形是最简单的周期性压力变化，数学上可表示为正弦函数：$y(t) = A \sin(2\pi f t + \phi)$，其中 $A$ 为振幅，$f$ 为频率，$\phi$ 为初相位，$t$ 为时间。正弦波在物理学中具有特殊地位，因其仅包含单一频率成分，不产生谐波。实际乐器发出的声音极少是纯音，通常包含基频（fundamental frequency）及其整数倍频率的谐波（harmonics），这直接决定了音色（timbre）。例如，当吉他弦振动时，除整体振动（基频）外，还同时存在分段振动（二倍频、三倍频等），这些振动模式叠加形成复杂波形。从数学角度看，任何周期性波形均可通过傅里叶级数（Fourier series）分解为基频及其谐波的正弦分量之和。对于周期为 $T$、基频 $f_0=1/T$ 的函数 $y(t)$，其傅里叶展开为： $$y(t) = a_0 + \sum_{n=1}^{\infty} \left( a_n \cos(2\pi n f_0 t) + b_n \sin(2\pi n f_0 t) \right)$$ 其中系数 $a_n, b_n$ 由波形决定。这一定理表明，谐波系列（harmonic series）是周期性声音的数学本质：各谐波频率严格为基频的整数倍，即 $f_n = n f_0$（$n=1,2,3,\ldots$）。以钢琴中央C（C4，约261.6 Hz）为例，其谐波包括523.2 Hz（C5）、785.2 Hz（接近G5）、1046.5 Hz（C6）等，这些频率共同塑造了该音符的音色特征。不同乐器因谐波幅度分布（频谱包络）不同而产生独特音色：长笛的谐波衰减快，听感纯净；小号的高次谐波丰富，听感明亮。

人耳对音高的感知与频率呈近似对数关系，这一特性深刻影响了音乐音阶的设计。在纯律（just intonation）体系中，音程基于简单整数比构建，如纯五度3:2（频率比）、大三度5:4。这些比例源于毕达哥拉斯发现的和弦美感，但纯律音阶在转调时会出现不和谐音程，因为简单整数比无法在所有调性中同时满足。十二平均律（equal temperament）则通过数学妥协解决了这一问题：将八度频率比2:1等分为12份，每半音频率比为常数 $r = 2^{1/12} \approx 1.059463094$。因此，任意两音之间的半音数 $n$ 与频率比满足 $f_2 / f_1 = 2^{n/12}$。若基准音A4=440 Hz，则任意音高可计算为 $f = 440 \times 2^{(n-69)/12}$，其中 $n$ 为MIDI音符号（A4对应69）。例如，中央C（C4）的MIDI编号为60，故 $f = 440 \times 2^{(60-69)/12} \approx 261.63$ Hz。平均律的数学之美在于其自相似性：所有音程仅由半音数决定，与起始音无关，这实现了完全自由的转调，成为现代西方音乐的标准律制。然而，平均律的所有音程（除八度外）均非简单整数比：其大三度为 $2^{4/12} \approx 1.2599$，而纯律大三度为5/4=1.25，差异约0.8%，训练有素的耳朵可察觉此差别。

声强的主观感受——响度（loudness）——与客观声强并非线性关系。人耳对声音强度的感知遵循韦伯-费希纳定律（Weber-Fechner law），即感知强度与刺激强度的对数成正比。此外，人耳对不同频率的敏感度不同，在低声强下对中频（约2-5 kHz）最为敏感。为量化响度，声学引入声强级（sound intensity level）与声压级（sound pressure level），均以分贝（decibel, dB）为单位。声强级定义为 $L_I = 10 \log_{10}(I/I_0)$，其中参考声强 $I_0 = 10^{-12} \ \text{W}/\text{m}^2$ 约为人耳在1 kHz处的听阈。由于声强与声压平方成正比（$I \propto p^2$），声压级为 $L_p = 20 \log_{10}(p/p_0)$，参考声压 $p_0 = 20 \ \mu\text{Pa}$。分贝作为对数单位，将跨越十个数量级的声强范围压缩至0-140 dB的实用区间：0 dB为听阈，约60 dB为正常对话，120 dB为痛阈。等响度曲线（equal-loudness contour），如Fletcher-Munson曲线，进一步揭示了频率对响度感知的影响：在低音量（如40 phon）下，低频和高频需更高声压才能达到与中频相同的响度；而在高音量（如100 phon）下，频率响应趋于平坦。这一特性解释了为何在小音量播放音乐时，低音似乎不足，需通过均衡器进行频率补偿。

声音的物理参数与音乐要素的对应关系可总结如下：频率决定音高，但心理声学研究表明，音高感知还受声波频谱影响——缺失基频的复合音仍可感知其“缺失基频”的音高，这称为残基音高（residue pitch）。振幅决定声强，但响度还受频率、时长和波形调制。音色则由频谱的精细结构定义，包括谐波相对幅度、噪声成分及瞬态特征。这些对应关系并非一一映射，而是涉及复杂的听觉系统处理。例如，同一乐器在不同力度演奏时，不仅基频振幅变化，谐波比例也发生改变，导致音色细微变化，这称为“力度音色”（timbre dynamics）。

为直观理解谐波系列对音色的影响，考虑两种乐器的频谱对比。钢琴与长笛演奏同一音高（如A4，440 Hz）时，基频相同，但谐波分布迥异。钢琴的谐波幅度衰减较慢，二次、三次谐波显著，赋予其丰富共鸣感；长笛的谐波衰减快，二次谐波微弱，听感更接近正弦波。频谱分析仪可显示这一差异：钢琴波形复杂且周期内非严格正弦，长笛波形接近光滑正弦。这种谐波结构差异正是音色辨识的关键。

十二平均律的数学推导可追溯至对八度（octave）的等比分割。设相邻半音频率比为 $r$，则12次乘积等于八度比2：$r^{12} = 2$，故 $r = 2^{1/12}$。这一无理数比值意味着平均律中除八度外，所有音程均为无理数比，无法用简单整数精确表示。纯律大三度5/4=1.25，平均律大三度 $2^{4/12} \approx 1.259921$，差值为 $\approx 0.009921$，相对误差约0.79%。当两个频率接近的音同时发声时，会产生拍音（beat）：合成波形的振幅以 $\Delta f = |f_1 - f_2|$ 的频率起伏。例如，同时奏响平均律与纯律的大三度，拍频约 $261.63 \times (1.259921 - 1.25) \approx 2.6$ Hz，可闻且被视为不和谐。纯律和弦因频率比为整数，拍频为零或极低，听感纯净，但仅限于特定调性。平均律通过均匀分布不和谐性，使任何调性下的不和谐程度大致相同，从而支持调性自由转换。这一设计牺牲了单个和弦的纯正，换取了整体和声体系的灵活性，体现了数学在音乐实践中的权衡艺术。

声压级的对数特性可通过具体计算体现。假设声压从 $p_1$ 增至 $p_2$，声压级变化为 $\Delta L_p = 20 \log_{10}(p_2/p_1)$。声压加倍（$p_2=2p_1$）对应 $\Delta L_p \approx 6.02$ dB；声压十倍增至 $20 \log_{10}(10) = 20$ dB。人耳对响度的感知大致符合“每增加10 dB，响度感觉加倍”的经验法则，这与对数刻度一致。等响度曲线则需通过实验测定：在给定频率下，调整声压直至被试报告响度与参考音（通常1 kHz）相同，记录所需声压级。例如，40 phon曲线显示，100 Hz音需约50 dB声压级才能达到与1 kHz 40 dB相同的响度，表明低频需更高能量才能被同等感知。这些曲线是音频设备校准（如耳机频率响应）和噪声控制标准的基础。

从物理到数学的桥梁在声音分析中不断延伸。傅里叶分析将时域声波转换至频域，揭示谐波组成；指数函数描述平均律频率关系；对数函数映射声强至响度。这些数学工具不仅解释既有音乐现象，还催生新创作手法：音簇（tone cluster）利用密集频率产生拍音；微分音乐（microtonal music）探索非平均律音高；算法作曲基于频谱特征生成音色。理解声音的物理与数学基础，意味着掌握了一种元语言，用以解码乐谱中隐藏的声学逻辑，进而洞察和声进行的频率动力学、节奏的时值比例、调式转换的频谱迁移——这正是本书后续章节的探索路径。

为具体展示十二平均律的计算，以下Python代码可生成任意音名的频率（假设A4=440 Hz）：

```python import math

def equal_temperament_frequency(note_number): """ 计算MIDI音符编号对应的平均律频率 note_number: MIDI音符编号（0-127），69对应A4 """ a4_freq = 440.0 return a4_freq * 2 ** ((note_number - 69) / 12)

示例：计算中央C（C4，MIDI 60）频率

c4_freq = equal_temperament_frequency(60) print(f"C4频率：{c4_freq:.2f} Hz") # 输出约261.63 Hz ```

该代码体现了公式 $f = 440 \times 2^{(n-69)/12}$ 的算法实现，其中指数运算精确捕捉了频率的几何增长特性。

在深入探讨声音的数学架构时，谐波系列（harmonic series）的物理起源与数学描述构成了核心桥梁。当琴弦振动时，其固定端条件强制波形在端点处位移为零，这导致仅某些驻波模式（standing wave modes）能够稳定存在。这些模式对应弦长的整数分之一分段振动，其频率严格为基频的整数倍。设弦长为 $L$，基频对应波长 $\lambda_1 = 2L$，则第 $n$ 次谐波波长为 $\lambda_n = 2L/n$，频率 $f_n = n f_1$。这一离散频谱是弦鸣乐器（如钢琴、吉他）音色的物理基础。管乐器则因空气柱两端边界条件（开管两端为波腹，闭管一端为波节）产生不同的谐波结构：开管谐波为全整数倍，闭管仅含奇次谐波（$f_n = (2n-1)f_1$），这解释了为何单簧管（近似闭管）音色较空洞，而长笛（开管）音色较饱满。

从数学上，任何满足狄利克雷条件的周期函数均可展开为傅里叶级数。以方波为例，其在一个周期 $T$ 内定义为： $$y(t) = \begin{cases} 1 & 0 < t < T/2 \\ -1 & T/2 < t < T \end{cases}$$ 其傅里叶级数为： $$y(t) = \frac{4}{\pi} \sum_{k=1,3,5,\ldots}^{\infty} \frac{1}{k} \sin(2\pi k f_0 t)$$ 可见方波仅含奇次谐波，且谐波幅度以 $1/k$ 衰减。这一衰减规律普遍存在于乐器频谱中：大多数乐器的谐波幅度大致按 $1/n$ 或指数衰减，但具体衰减系数（频谱斜率）因乐器而异。小提琴的频谱衰减较慢（斜率小），故高次谐波显著，音色明亮；钢琴的衰减介于弦乐与管乐之间。现代频谱分析仪可精确测量这些幅度，用于乐器声学特性研究。

```mermaid graph TD A[弦振动基频 f1] --> B[二次谐波 2f1] A --> C[三次谐波 3f1] A --> D[四次谐波 4f1] B --> E[振幅衰减 1/2] C --> F[振幅衰减 1/3] D --> G[振幅衰减 1/4] style A fill:#f9f,stroke:#333 ```

```plantuml @startuml class 谐波系列 { +基频 f0 +谐波频率 fn = n * f0 +谐波幅度 An +频谱包络 }

class 乐器音色 { +频谱斜率 +噪声成分 +瞬态特征 }

谐波系列 "1" -- "*" 乐器音色 : 决定 @enduml ```

音高感知的复杂性远超“频率-音高”简单映射。心理声学中的缺失基频效应（missing fundamental）揭示：当复合音包含谐波 $f, 2f, 3f, \ldots$ 但缺失 $f$ 时，听者仍能感知音高为 $f$。例如，同时播放200 Hz、300 Hz、400 Hz（即2:3:4比例，对应基频100 Hz的谐波），听者会感到100 Hz的音高。这表明大脑通过计算谐波间距（ greatest common divisor）推断基频，而非仅依赖物理基频。此现象支持周期性原则（periodicity principle）：听觉系统检测波形周期而非单一频率。这解释了为何管风琴音管仅产生谐波而缺少基频时，仍能呈现完整音高。

```python import numpy as np import matplotlib.pyplot as plt

模拟缺失基频的复合音

t = np.linspace(0, 0.1, 1000) f0 = 100 # 缺失的基频 harmonics = [2, 3, 4] # 谐波倍数 signal = sum(np.sin(2 * np.pi * f0 * h * t) for h in harmonics)

plt.plot(t, signal) plt.title(f"缺失基频{f0}Hz的复合波（谐波{harmonics}）") plt.xlabel("时间 (s)") plt.ylabel("振幅") plt.show() ```

十二平均律的数学本质是几何级数（geometric progression），其相邻音频率比恒定。设第 $k$ 音频率为 $f_k$，则 $f_{k+1} / f_k = 2^{1/12}$。这一设计使音阶在统计上均匀分布，但代价是所有非八度音程均非简单整数比。为量化平均律与纯律的差异，下表对比C大调内主要音程（以C为根音）：

| 音程 | 纯律频率比 | 纯律 cents* | 平均律 cents | 差值 (cents) | |------------|------------|-------------|--------------|--------------| | 纯八度 | 2:1 | 1200.00 | 1200.00 | 0.00 | | 纯五度 | 3:2 | 702.00 | 700.00 | -2.00 | | 大三度 | 5:4 | 386.31 | 400.00 | +13.69 | | 小三度 | 6:5 | 315.64 | 300.00 | -15.64 | | 纯四度 | 4:3 | 498.04 | 500.00 | +1.96 |

\*cents是音程的对数单位，1200 cents等于八度。计算方式：$\text{cents} = 1200 \log_2(\text{频率比})$。

可见，平均律纯五度仅差-2 cents（人耳通常难以察觉），但大三度差+13.69 cents，约14音分，训练有素的音乐家可辨别。这种差异在弦乐、人声等可微调音高的表演中尤为关键：弦乐四重奏常采用纯律以追求和弦纯净，而钢琴因固定音高只能使用平均律。

拍音（beat）现象是两种频率相近声波叠加的时域表现。设两正弦波 $y_1 = A \sin(2\pi f_1 t)$、$y_2 = A \sin(2\pi f_2 t)$，合成波为： $$y(t) = 2A \cos\left(2\pi \frac{f_1-f_2}{2} t\right) \sin\left(2\pi \frac{f_1+f_2}{2} t\right)$$ 即振幅以 $|f_1-f_2|$ 频率调制。当 $f_1$ 与 $f_2$ 为纯律与平均律大三度时（如C4=261.63 Hz，E4=329.63 Hz平均律 vs. 327.03 Hz纯律），拍频约2.6 Hz，产生明显的“嗡鸣”感。调音师正是利用拍音：调纯五度时，需使拍频降至零或极慢（<0.5 Hz）。对于高音区，因频率高，相同cents误差对应更大Hz差，故调音需结合cents而非绝对Hz。

声强级的对数特性可通过声学功率级进一步阐释。声功率 $P$ 是声源辐射的总能量流，参考值 $P_0 = 10^{-12}$ W。声功率级 $L_W = 1