声音的物理与数学本质 / The Physics and Mathematics of Sound

当我们聆听一首交响乐时，声音以无形的波动形式穿越空气，撞击耳膜，激发神经信号——这一切都源于物理世界的振动。声音，本质上是机械波在介质中的传播，其核心数学描述始于简谐运动。当吉他弦被拨动，它围绕平衡位置周期性摆动，推动周围空气分子形成疏密相间的区域：在压缩区（compression），分子密集；在稀疏区（rarefaction），分子稀疏。这便是声波（sound wave），一种依靠介质（如空气、水或固体）传播的纵波（longitudinal wave）。与电磁波（electromagnetic wave）不同，声波无法在真空中传播，因为它需要物质分子作为载体。这种纵波特性意味着介质粒子的振动方向与波传播方向平行。一个简单的弹簧振子模型能直观展示这一过程：推动弹簧一端，疏密波纹沿弹簧传播，而弹簧线圈本身仅前后振动，不随波迁移。声波的传播速度（$v$）取决于介质的弹性模量（$B$，体积模量）与密度（$\rho$），公式为 $v = \sqrt{B/\rho}$。在标准大气压、20°C的干燥空气中，声速约为 343 米/秒，且随温度升高而增加，关系近似为 $v \approx 331 + 0.6T$（$T$ 为摄氏温度）。理解这些物理基础，是解码音乐数学语言的第一步。

---

1.1 声波的基本物理参数：频率、振幅与相位

描述一个声波，需要三个核心物理量：频率（frequency）、振幅（amplitude）与相位（phase）。它们共同定义了声音的“音高”（pitch）、“响度”（loudness）与“时间特性”。

频率（$f$） 指单位时间内声波完成完整周期振动的次数，单位为赫兹（Hz）。人耳可感知的频率范围约为 20 Hz 至 20,000 Hz（20 kHz），此范围随年龄增长而缩小，尤其高频听力会逐渐衰退。频率直接决定音高：频率越高，音调越尖锐；频率越低，音调越低沉。例如，标准音 A4（钢琴上第49个键）的频率为 440 Hz，而中央 C（C4）约为 261.6 Hz。频率的数学表达源于简谐运动：若位移 $y$ 随时间 $t$ 变化，则 $y(t) = A \sin(2\pi f t + \phi)$，其中 $2\pi f$ 称为角频率（$\omega$），单位为弧度/秒。

振幅（$A$） 表示声波振动的最大位移，在声学中通常对应声压（sound pressure）的变化幅度。振幅越大，声波能量越强，人耳感知的响度（loudness）越高。然而，响度感知并非线性：人耳对 2-5 kHz 频率范围最敏感，对极低或极高频率则需更大振幅才能达到同等响度。这种非线性关系由 Fletcher-Munson 等响曲线（equal-loudness contours）描述。声压级（Sound Pressure Level, SPL）采用对数单位分贝（dB）度量：$L_p = 20 \log_{10}(p / p_0)$，其中 $p$ 为实测声压，$p_0 = 20 \ \mu\text{Pa}$ 为参考声压（人耳阈值）。因此，振幅每增加一倍，声压级仅增加约 6 dB；而要让响度“感觉”加倍，通常需增加 10 dB。

相位（$\phi$） 描述振动在特定时刻的位置，决定波形的起始点。在单频正弦波中，相位变化仅使波形左右平移，不改变音色。但在多波叠加时，相位关系至关重要：相同频率、振幅的波若相位相反，会相互抵消（相消干涉）；若相位一致，则相互增强（相长干涉）。相位是理解谐波叠加与声音空间定位（如双耳时间差）的关键。

案例：音高与频率的文化差异 西方音乐采用十二平均律（equal temperament），将八度（频率翻倍）等分为12个半音，相邻半音频率比为 $2^{1/12} \approx 1.05946$。例如，A4=440 Hz，则升A4（A♯4）为 $440 \times 2^{1/12} \approx 466.16$ Hz。然而，许多传统音乐体系采用不同律制：毕达哥拉斯律基于纯整数比（如纯五度 3:2）， Indian classical music 使用 22 shrutis（微音程），而印尼甘美兰音乐采用非等距的五声音阶。这些差异揭示了数学比例如何塑造文化听觉审美，而物理频率是这一切的客观基础。

---

1.2 波形：从正弦波到复合波

单一频率的声波产生正弦波（sine wave），其波形完美光滑，数学表达为 $y(t) = A \sin(2\pi f t + \phi)$。正弦波是声学中最“纯净”的声音，因其仅包含基频（fundamental frequency）而无谐波（harmonics）。自然界中几乎不存在纯粹的正弦波声源，但音叉（tuning fork）的振动接近理想正弦波，这也是为什么它常被用作标准音高参考。

现实中的乐器产生的声音都是复合波（complex wave），由多个正弦波叠加而成。根据叠加原理（superposition principle），线性系统中，多个波同时传播时，介质总位移等于各波位移的代数和。这意味着任意复杂波形均可分解为一系列正弦波（频率、振幅、相位各异）的叠加。这一思想由法国数学家傅里叶（Joseph Fourier）在19世纪初系统阐述，他证明：任何满足特定条件（如周期性、分段光滑）的函数 $f(t)$ 可展开为傅里叶级数（Fourier series）。

以周期为 $T$、基频 $f_0 = 1/T$ 的周期函数为例，其傅里叶级数展开为： $$f(t) = a_0 + \sum_{n=1}^{\infty} \left( a_n \cos(n\omega_0 t) + b_n \sin(n\omega_0 t) \right)$$ 其中 $\omega_0 = 2\pi f_0$ 为基频角频率，系数 $a_0, a_n, b_n$ 由函数形状决定。$a_0$ 是直流分量（平均值），$a_n, b_n$ 决定各谐波振幅。更紧凑的复指数形式为： $$f(t) = \sum_{n=-\infty}^{\infty} c_n e^{i n \omega_0 t}$$ 其中 $c_n$ 为复数，包含振幅与相位信息。关键结论：复合波的音色（timbre）由其谐波结构决定——即各谐波（基频的整数倍：$f_0, 2f_0, 3f_0, \dots$）的相对振幅与相位分布。即使基频相同（音高相同），不同乐器因谐波含量不同而产生独特音色。

常见复合波形示例：

• **方波**（square wave）：高低电平交替，富含奇次谐波（$f_0, 3f_0, 5f_0, \dots$），振幅按 $1/n$ 衰减。数学表达为 $y(t) = \frac{4}{\pi} \sum_{k=1,3,5,\dots}^{\infty} \frac{1}{k} \sin(2\pi k f_0 t)$。
• **锯齿波**（sawtooth wave）：线性上升后骤降，包含所有整数次谐波（奇次与偶次），振幅按 $1/n$ 衰减。表达为 $y(t) = \frac{2}{\pi} \sum_{k=1}^{\infty} \frac{(-1)^{k+1}}{k} \sin(2\pi k f_0 t)$（对称形式）或包含余弦项。
• **三角波**（triangle wave）：线性上升下降，富含奇次谐波，振幅按 $1/n^2$ 快速衰减，故听起来比方波柔和。

乐器音色的谐波指纹 不同乐器因振动体（弦、空气柱、膜）的物理特性与共鸣腔设计，产生独特的谐波分布：

• **长笛**（flute）：接近开管振动，基频强，谐波较弱且稀疏，波形最接近正弦波，音色纯净。
• **小提琴**（violin）：琴弦振动受弓摩擦激励，产生丰富谐波（尤其高频谐波强），波形复杂，音色明亮有穿透力。
• **钢琴**（piano）：琴弦击弦激发，谐波丰富但随频率升高衰减较快，且因音板设计，各频段能量分布独特。
• **单簧管**（clarinet）：近似闭管振动，仅含奇次谐波，赋予其空洞、木质的音色。

下图（概念示意）展示了两种乐器的典型波形与频谱对比：

```mermaid graph LR A[小提琴波形] --> B[丰富高频谐波] C[长笛波形] --> D[基频主导，谐波弱] B --> E[明亮音色] D --> F[纯净音色] ```

频谱图（spectrogram）是可视化谐波结构的工具：横轴为时间，纵轴为频率，颜色深浅表示振幅（能量）。一段小提琴持续音的频谱图会显示从基频向上延伸的清晰谐波列（harmonic series），而长笛则仅见基频与少数弱谐波。这种“谐波指纹”是音色识别的基础，也是计算机音乐信息检索（MIR）的核心特征。

---

1.3 傅里叶分析：从时域到频域的桥梁

傅里叶分析的核心思想是：任何复杂信号均可分解为简单正弦波的叠加，反之亦可合成。这不仅是数学工具，更是理解声音本质的哲学视角——世界看似连续的复杂现象，底层可能由离散的“原子”成分构成。在声学中，傅里叶变换（Fourier Transform, FT）将信号从时域（时间-振幅）映射到频域（频率-振幅），揭示其频率组成。

对于周期信号，使用傅里叶级数（Fourier Series）；对于非周期信号（如打击乐、语音音节），使用傅里叶变换。连续时间傅里叶变换定义为： $$F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-i\omega t} dt$$ 其逆变换为： $$f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} F(\omega) e^{i\omega t} d\omega$$ $F(\omega)$ 是复值函数，其模 $|F(\omega)|$ 给出频率 $\omega$ 处的振幅（频谱），幅角 $\arg(F(\omega))$ 给出相位谱。实际应用中，数字信号处理（DSP）使用离散傅里叶变换（DFT）及其高效算法快速傅里叶变换（FFT），将有限长离散信号转换为离散频谱。

一个直观类比：假设你在一个混响大厅中听到一段模糊的音乐。傅里叶分析如同一个“声音滤镜”，能分离出其中包含的每个纯音（如 440 Hz、660 Hz、880 Hz 等），告诉你每个音有多响、相位如何。重新组合这些纯音，就能完美重建原始声音。这解释了为何即使音高相同（基频一致），小提琴与钢琴的声音仍易区分——它们的谐波“配方”不同。

历史注记：傅里叶最初研究热传导时提出级数展开，当时遭到拉格朗日等数学家的质疑（认为不光滑函数无法展开）。如今，傅里叶分析已成为物理学、工程学、甚至金融学的基石。在音乐中，它不仅是理论工具，更是现代技术的基础：MP3压缩利用心理声学模型丢弃不敏感频段信息；均衡器（EQ）通过调整特定频段增益改变音色；自动调音软件通过检测基频相位校正音高。

---

1.4 频谱图：音色的视觉化语言

频谱图（spectrogram）是频域信息的二维可视化：时间沿水平轴，频率沿垂直轴，颜色或亮度表示该时刻该频率的能量强度。它如同声音的“指纹图谱”，能清晰展示音色随时间的变化。

绘制原理：将音频信号分割为短时窗（如 20-50 毫秒），假设每窗内信号平稳，对每窗做 FFT 得到频谱，将各频谱沿时间轴堆叠即得频谱图。窗函数（如汉宁窗）可减少频谱泄漏。

案例对比：三种乐器的频谱图 下图（概念描述）展示了相同音高（A4，440 Hz）持续 2 秒的三种乐器：

| 乐器 | 频谱图特征 | 音色解读 | |------|------------|----------| | 长笛 | 仅见一条垂直线（基频440 Hz），上方有极弱谐波 | 空气柱振动效率高，泛音抑制强，音色纯净空洞 | | 小提琴 | 基频强，2次、3次、4次...谐波密集且能量递减缓慢，高频谐波显著 | 琴弦摩擦激励产生丰富高频，音色明亮有“光泽” | | 钢琴 | 基频强，谐波丰富但衰减不规则，存在“共振峰” | 琴弦击弦与音板耦合产生复杂共振，音色饱满有“颗粒感” |

```mermaid graph TD A[频谱图分析] --> B{乐器识别} B --> C[长笛：基频主导] B --> D[小提琴：谐波密集] B --> E[钢琴：共振峰明显] C --> F[纯净音色] D --> G[明亮音色] E --> H[饱满音色] ```

频谱图不仅用于乐器识别，还揭示演奏技法：小提琴的揉弦（vibrato）表现为基频附近轻微波动；击弦（pizzicato）在频谱上呈现瞬态高频爆发；钢琴的延音踏板使谐波衰减变慢，频谱图显示能量拖尾。这些视觉模式为音乐表演研究提供了客观数据。

---

1.5 实践案例：使用 Python 生成、分析与聆听基本波形

理论需与实践结合。本节通过 Python 代码生成基本波形（正弦波、方波、锯齿波），绘制其时域波形与频谱，并实际聆听以感知音色差异。这印证了“谐波结构决定音色”的核心观点。

环境准备：需安装 `numpy`（数值计算）、`matplotlib`（绘图）、`sounddevice`（音频播放）。若在 Jupyter Notebook 中运行，可用 `IPython.display.Audio` 直接嵌入音频。

```python import numpy as np import matplotlib.pyplot as plt import sounddevice as sd from scipy.fft import fft, fftfreq

========== 参数设置 ==========

sample_rate = 44100 # 采样率 (Hz) duration = 2.0 # 时长 (秒) t = np.linspace(0, duration, int(sample_rate * duration), endpoint=False)

基频 (A4 = 440 Hz)

f0 = 440.0 A = 0.5 # 振幅 (避免 clipping，需 <1.0)

========== 1. 生成基本波形 ==========

正弦波 (纯音)

sine_wave = A * np.sin(2 * np.pi * f0 * t)

方波：叠加奇次谐波 (前7项)

square_wave = np.zeros_like(t) for k in range(1, 8, 2): # k=1,3,5,7 square_wave += (4/(np.pi*k)) * np.sin(2 * np.pi * k * f0 * t)

锯齿波：叠加所有整数谐波 (前7项)

sawtooth_wave = np.zeros_like(t) for k in range(1, 8): sawtooth_wave += (2/(np.pi*k)) * (-1)**(k+1) * np.sin(2 * np.pi * k * f0 * t)

========== 2. 播放声音 (安全提示：先调低音量！) ==========

print("播放正弦波 (纯净音)...") sd.play(sine_wave, samplerate=sample_rate) sd.wait()

print("播放方波 (明亮，含奇次谐波)...") sd.play(square_wave, samplerate=sample_rate) sd.wait()

print("播放锯齿波 (丰富，含所有谐波)...") sd.play(sawtooth_wave, samplerate=sample_rate) sd.wait()

========== 3. 绘制时域波形 ==========

plt.figure(figsize=(12, 6)) plt.subplot(3, 1, 1) plt.plot(t[:1000], sine_wave[:1000]) plt.title("Sine Wave (Pure Tone)") plt.ylabel("Amplitude") plt.grid(True, alpha=0.3)

plt.subplot(3, 1, 2) plt.plot(t[:1000], square_wave[:1000]) plt.title("Square Wave (Odd Harmonics)") plt.ylabel("Amplitude") plt.grid(True, alpha=0.3)

plt.subplot(3, 1, 3) plt.plot(t[:1000], sawtooth_wave[:1000]) plt.title("Sawtooth Wave (All Harmonics)") plt.xlabel("Time (s)") plt.ylabel("Amplitude") plt.grid(True, alpha=0.3)

plt.tight_layout() plt.show()

========== 4. 计算并绘制频谱 (FFT) ==========

def plot_spectrum(wave, title): N = len(wave) yf = fft(wave) xf = fftfreq(N, 1/sample_rate)[:N//2] # 仅取正频率 magnitude = 2.0/N * np.abs(yf[:N//2]) # 归一化幅值

plt.figure() plt.plot(xf, magnitude) plt.title(title) plt.xlabel("Frequency (Hz)") plt.ylabel("Amplitude") plt.grid(True, alpha=0.3) plt.xlim(0, 5000) # 聚焦前5kHz plt.show()

plot_spectrum(sine_wave, "Spectrum of Sine Wave") plot_spectrum(square_wave, "Spectrum of Square Wave (Odd Harmonics)") plot_spectrum(sawtooth_wave, "Spectrum of Sawtooth Wave (All Harmonics)") ```

**代码解读与听觉