1 物理基础
1.1 频率与周期的关系
音高直接由声波的振动频率决定，频率即单位时间内完成振动的次数，单位为赫兹（Hz）。周期是频率的倒数，指一次完整振动所需的时间。频率与周期成反比：频率越高，周期越短；频率越低，周期越长。例如，440 Hz的音叉每秒振动440次，每个周期约2.27毫秒。
1.2 基频与泛音列
绝大多数自然声源（如人声、乐器）发出的声音并非单一频率，而是由基频（最低振动频率）以及一系列高于基频的整数倍频率（泛音）共同构成。基频决定听感上的音高，泛音则塑造音色。
1.2.1 谐波序列的构成
谐波序列指基频整数倍的所有频率分量。例如基频为100 Hz，则谐波包括200 Hz、300 Hz、400 Hz……理论上无限延续，但实际中能量随频率升高而衰减。乐器声的谐波强度分布差异，是区分不同乐器音色的关键。
1.2.2 泛音对音色感知的干扰（“缺失基频”现象）
当基频被滤波或环境噪声掩盖时，人耳仍能通过谐波间的整数倍关系“推断”出基频的存在，从而感知到正确的音高。这一现象称为“缺失基频”或“虚拟音高”。例如，通过耳机播放缺失100 Hz基频的200 Hz、300 Hz、400 Hz谐波组合，听者仍会认为听到的是100 Hz的音高。此现象证明了听觉系统对基频的提取能力。
1.3 音高与声波传播介质（温度、压力的影响）
声波在介质中的传播速度影响频率的感知。温度升高时，空气中声速增加，相同声源产生的波长不变，但频率恒定，因此音高不变；然而，若声源本身（如管乐器）受温度影响谐振腔尺寸发生变化，则基频可能偏移（如铜管乐器在冷天音高降低）。气压变化对空气密度的影响会轻微改变声速（约每升高1°C，声速增加0.6 m/s），但对音高感知的直接影响可忽略，除非乐器设计依赖空气柱声速（如风琴管）。
2 听觉感知机制
2.1 耳蜗的“位置编码”理论
耳蜗是内耳中螺旋形结构，其内部基底膜的机械振动模式决定了频率的分解方式。
2.1.1 基底膜上的频率分布（行波理论）
声波传入耳蜗后，在基底膜上产生沿长度方向传播的行波。高频声波在靠近基底部（卵圆窗附近）引起最大振幅，低频声波则在蜗顶区域达到峰值。基底膜不同位置对应不同特征频率，形成“频率-位置”映射图，称为“耳蜗频率图”。
2.1.2 毛细胞对特定频率的响应
基底膜上的内毛细胞通过静纤毛的机械门控机制将振动转化为神经电信号。每个毛细胞对特定频率最敏感，且随位置差异具有调谐性。基底膜高频区毛细胞调谐更窄、反应更快，低频区则更宽。这种精细的“频率标记”使人耳能分辨极小的频率差异。
2.2 时间编码与相位锁定
除了位置编码，听觉系统还通过神经放电的时间模式传递音高信息。
2.2.1 低频音高的神经同步机制
对于频率低于约4000 Hz的声音，听觉神经纤维的放电时间能与声波周期中的特定相位保持一致，称为相位锁定。例如，100 Hz的声音会在每个周期的同一时刻触发神经放电，使大脑能通过放电间隔推断频率。这一机制对低频音高辨别尤其关键。
2.2.2 高频音高的“概率编码”假说
当频率超过4000 Hz时，神经纤维无法精确锁定每个周期，但可通过群体放电的统计模式（如放电间隔的概率分布）编码频率。即大量纤维的随机放电在宏观上仍携带有周期信息，大脑通过统计解码提取音高。该假说尚未完全证实，但得到神经建模支持。
2.3 音高感知的边界
2.3.1 人类可听频率范围（20Hz–20kHz）
大多数健康年轻人可感知20 Hz至20000 Hz的声音。低于20 Hz的次声波通常只能被身体感受到，高于20 kHz的超声波则不被正常听觉系统加工。年龄增长、噪声暴露等因素会高频听力下降，老年人群的听阈上限常降至12–15 kHz。
2.3.2 音高辨别阈值与“半音”错觉
普通人能辨别约200–300个音高等级，最小可觉差（JND）在500 Hz附近约为0.3–0.5 Hz（约0.06%频率变化）。在音乐半音（约6%频率差）上，差异明显。然而，当两个音同时播放时，受响度、持续时间影响，可能出现“半音”错觉——例如将轻微失谐的纯五度误听为完全一致，这源于听觉系统的谐波整合机制。
3 音乐中的音高系统
3.1 音名与八度循环
音乐中，每个音高被赋予字母名称（C、D、E、F、G、A、B），每升高或降低一个八度，频率加倍（或减半）。例如C4（261.6 Hz）之上一个八度是C5（523.2 Hz）。
3.1.1 十二平均律的数学推导（2的1/12次方）
十二平均律将一个八度等分为12个半音，每个半音频率比值为2^(1/12) ≈ 1.05946。这样，任意两个相邻半音（如C与C#）的频率比恒为常数，使得键盘乐器可以自由转调。数学上，从基准音A4（440 Hz）出发，可计算所有音高：f(n) = 440 × 2^(n/12)，其中n为半音距离。
3.1.2 纯律与五度相生律的对比
纯律基于自然谐波列中的整数比（如3:2纯五度、5:4大三度），音程纯净，但转调困难。五度相生律通过连续乘以3/2得到各音，如C→G→D→A……产生微调偏移，导致大三度略宽（约408音分）。十二平均律虽牺牲了完全纯净的音程，却获得了调性自由，成为西方音乐的主流。
3.2 调式与音阶
3.2.1 大调与小调的音高组织
大调音阶的音程模式为“全-全-半-全-全-全-半”，小调则有自然、和声、旋律等多种变体。大调通常被感知为明亮、庄重，小调则幽暗、忧伤，但这种情感标签受文化背景影响，并非绝对。
3.2.2 全音阶与半音阶的幽默“音阶梗”
全音阶由全音程连续构成（如C-D-E-F#-G#-A#），听起来空洞、缺乏导向性，被戏称为“梦境中的音阶”。半音阶则包含所有12个半音，常被用来制造紧张或滑稽效果。音乐爱好者间流传着“半音阶可以假装很厉害但实际只弹白键也能混”的段子，而全音阶则常被吐槽“怎么弹都像在走调”。
3.3 音高记谱法
3.3.1 五线谱的位置命名（C4=261.6Hz）
五线谱上每条线、每个间代表固定音高。中央C（C4）位于高音谱表下加一线和低音谱表上加一线。标准音A4=440 Hz，由此对所有音符定锚。钢琴音域从A0（27.5 Hz）到C8（4186 Hz），覆盖七个完整八度。
3.3.2 吉他指板与钢琴键盘的“音高迷宫”
吉他指板每个品格代表一个半音，相同音高可在不同琴弦的不同品格上找到（如第5弦空弦=第6弦第5品）。这使得即兴演奏者需记住“音高迷宫”，被戏称为“指板解谜游戏”。钢琴键盘则更为直观：白键为自然音阶，黑键为升降音，但同一音高（如C#与Db）在不同调性中记谱不同，初学者常被白键黑键的“明明听起来一样却非要叫不同名字”的规则逼疯。
4 音高的跨文化与演化
4.1 声调语言中的音高功能（汉语四声、泰语五调）
在汉语（普通话）中，音高变化（声调）具有辨义功能，如“妈（mā）”“麻（má）”“马（mǎ）”“骂（mà）”依靠高平、高升、低降升、高降四种调型区分。泰语有五个声调（中平、低平、降调、高平、升调），甚至更多。声调语言的母语者大脑左半球对音高轮廓的加工比非声调语言者更敏锐。
4.2 动物界音高信号的用途
4.2.1 鲸歌的频率调制策略
座头鲸的“歌”包含8–10个频率调制模式，可从低沉的咆哮（约20 Hz）到高频啾啾（约8 kHz）快速变化。这种频率调制对个体识别、求偶竞争和远距离通讯（海水低频衰减慢）至关重要。有些鲸类还会在5–10分钟内重复同一主题，被戏称为“深海单曲循环”。
4.2.2 鸟类鸣叫的“情歌”与“领土警告”
画眉、夜莺鸣叫中音高变化丰富，雄鸟通过复杂旋律展示“基因质量”吸引雌鸟。而山雀、乌鸦的短促高音则多用于警告入侵者。有趣的是，一些鸟类（如琴鸟）能模仿其他物种的声音，包括人类乐器的音高，堪称“动物界的音高复印机”。
4.3 音高错觉与心理声学趣闻
4.3.1 谢泼德音调的无限上升幻觉
谢泼德音调由一系列相隔八度的音高叠加，每个音的音量包络呈高斯型衰减，使最低音逐渐消失、最高音逐渐出现，造成“无限上升”的错觉。实际上音高循环返回，大脑却被欺骗感知为永无止境的攀升。该效应常被用于电影配乐制造紧张感，也出现在流行音乐的“音高永动机”段子中。
4.3.2 “黄色耳机”效应：音高与颜色联觉
部分人具有“色-听觉联觉”，听到特定音高会自动联想到颜色。例如C大调常被形容为“红色”，G大调为“黄色”。虽然并非普遍现象，但一些音乐家（如深紫乐队键盘手）声称能“看到”音高颜色。这一效应在心理学中研究颇多，也被戏称为“给耳机戴上了黄色滤镜”。