1、声音的三要素
声音的三要素是音调、音色和响度。音调与声波的频率有关，两者成对数关系；声波的频幅影响能音色，音色主要由声波的频谱结构及其模拟波形决定；响度主要与声音的振动幅度有关。不同的音源发出同一音符时，其基音相同，但谐波成份及其幅度各异，频谱及波形不同。高保真音响在保证音色的高还原度的同时，适当提升低音，可使声音丰满动听，适当增加语言的中频分量，可以提高语言的清晰度；
人耳对声音音调的感觉主要与声音的频率有关，但不成正比，具有对数关系。事实上，人耳的听觉是复杂的，人对声音音调的感觉还与声音的声压级有关。
音调的高低，也就是我们常说的音准，由声音振动的基频频率决定的，称为"绝对音高"。大家在听音乐会时可以见到，演出开始前，所有的乐手都要校一下音，为的就是使整个乐队的所有乐器都是使用相同的音高标准。
在音乐戏曲等听觉艺术中，人们并不注重频率，却十分看中频率的比值，即音高间的关系，这在音乐中称为音程关系，，又称之为"相对音高"。
我们常听人说某人唱歌老跑调，其实就是他对音程关系掌握得不好。
关于音乐的音高与音程的关系，已成为一门专门的学问，称为"律学"。目前，世界各国存在着好几种律制。但最常用的有三种，即十二平均律、五度相声律、纯律。律制不同，音程关系也有很大不同。
关于音乐律制，从皇帝时代就有了标准。《千字文》里有这么一句"闰馀成岁，律吕调阳"，是说律吕始于皇帝，皇帝命其臣伶伦取谷之竹，截以为筒，阴阳各六。六阳管为律，六阴管为吕；六阳管之首为黄钟，六阴管之首为大吕。
人们现在经常用"黄钟大吕"一词去形容音乐、文辞的正大、高妙、庄严，其实这"黄钟"和"大吕"正是我国古代的音乐律制中的音律，这种律制称为三分益损律，即取9寸长内径3分的管子，以其筒音为第一律，称为黄钟；从黄钟开始，缩短它的1/3，称为三分损一，是黄钟的上五度音，为第二律林钟······五度相声律是希腊的比德哥拉斯通过计算求得的，它是以弦长来计算的，其实与中国的三分益损律是一种律制。但五度相声律也有它的不足之处，即不能构成一个完整实用的音阶。
乐音声音是由基音和泛音构成的，称为自然泛音列，人们发现自然泛音列中的1、2、3、5分音（即基音与二次、三次、五次谐波）之间的关系最和谐。事实上，2与3的关系是纯五度，2与5的关系是大三度，1与2的关系是八度。通过这三种音程相加减，可得到其他各律。因为其频率比数简单，声音纯净，所以称之为纯律。但纯律在转调时比较麻烦，不适合乐器的制造与演奏。但最近一些国家又对纯律热心起来，极力主张在无伴奏合唱中使用纯律。据说中世纪一些教堂的唱诗班使用纯律的合唱了的，只可惜我们现在无法听到这种极和谐纯净的合唱了。
十二平均律解决了转调的问题，对乐器的制造与演奏也提供了方便，但它的一些音的和谐性较差，如大六度、三度等等。
学过吉他的朋友在校弦的第5品，但它与第一弦空弦同音高，现在乐器多是以十二平均律来制造的，那麽这种方法校出的音程是十二平均律的；另外还有一种泛音校弦法，即第一弦7品上的泛音与第二弦5品上的泛音同音高，这是一种纯律校弦法，可是吉他的品格是按十二平均律制定的，所以当你弹第二弦5品时，会发现比第一弦空弦的音略高一点，这就是两种律制的区别。
音色
当小提琴与长笛演奏同一音高时，人们也可以区别开这两种乐器的声音，因为这两种声音的音色不同。乐音是由基音与泛音（谐波）组成的，泛音频率比基音频率高，一般我们常提到的是二次谐波、三次谐波与五次谐波。这种泛音列的不同即形成了各种各样的音色。即使是同一件乐器（如小提琴），如果以不同的力度、不同的弓法、指法、不同的着弓位置，也能产生不同的音色。
很多发烧友说音色即声音的颜色，其实声音是没有颜色的，声音的颜色感是个别人的独特感受，不能作为声音的基本特性。一些现代派的作曲家确实在尝试把不同感觉器官的感受协调起来，特别是听觉与视觉的结合，创造出一中包括耳朵、眼睛共同起作用的"整体"艺术作品。俄国现代派运动中的一员，钢琴家斯克里亚宾在他的一部未完成的作品《玄义》中，甚至预计了光、色、味和身体接触来完成这种"礼拜仪式"般的艺术活动。 响度
声波的振幅影响声音的响度。响度指的是声音的强弱，其大小与声强的大小用声压级表示，声压与参考声压之比的对数的20倍称为声压级，单位是分贝（dB），声强增加，响度增大。音量很小时，人耳感觉敏锐，觉得频带窄、高音少、低音量感不足。音量大时，人耳感觉较迟钝，容易引起听觉疲劳，音量适中时，觉得高低音都很丰富。，人耳对不同频率而声压级一样的声音，听觉感受它们的大小也是不同的，所以这就引出了一个"响度"的概念。也就是说人耳对于某些频率集中在1000HZ到4000HZ这个区域，而最敏感的是3000HZ左右的声音。说起来也很有趣，婴儿的哭声大部分就是集中在这一频段附近，大概这也是人类进化的产物，婴儿不需花费太大的力气，就能让父母觉得哭声最响。
人耳对中频的灵敏度最高，而对于高频、低频的敏感程度都会有所下降，一般人们常用20──20000HZ来表示人耳的可感频率范围。事实上，很多人听不到12000HZ以上的频率而且随着年龄的增加，高频感受的上限还要下降很多，也就是很多老人听不到蚊子“嗡嗡”的叫声的缘故。打开电视机的时候，一般都会有一个高频震荡声，大约在12000HZ左右，你可以试试自己能否听到。
人们经过研究和测量，得到一个频响曲线图，100HZ声音，必须要有近40dB声压级，人耳才能听得到，而1000HZ的声音，大于0dB声压级，人耳就能听到。因此，当改变听音的音量时，声音信号中的各频率的响度也就会改变，使人感到音色的变化，所以即使是再好的放音设备，小音量时，也会感到放音频带变窄、声音变弱；相反，即使是一个普通的音响设备，开足音量，也会让人觉得放音频带展宽、声音丰满。所以根据规定，在进行专业的主观音质评价时，建议听音区的放声级在80──85dB。
2、影响音质的主要因素
人耳的听音范围为20Hz—22KHz，声音频率可以划分为三个或五个频段，即高频段（7KHZ以上）、中频段（500HZ-7HZ）、低频段（500HZ以下），中频段还可以再细分为中低频段（500KHZ──2KHZ）和中高频段低（2KHZ-7KHZ）。各频段强度要均匀，过强和过弱都会使音质受到破坏。其中低频是基础，是厚度；中、低音是力度，决定音乐的气势；中、高音是亮度、清晰度；高音是层次、是透明度。中、低频过强时，声音变得浑浊、清晰度差。相反中、低频过弱时，声音则显得单薄、乏力、不丰满。音响设备可能存在的谐波失真，互调失真，谐波失真，会使声音发毛、发尖、发沙、发浑。音源的直射声与近次反射声、多次反射声的综合作用，会使声源停止时，声音不能立即停止，通常用“混响时间”来量度。重放语言及轻音乐时，混响时间宜短；重放古典音乐时，混响时间宜长一些。 下面简要介绍下各频段对音质的影响。 低频
低频成分适中，声音有气魄、厚实、有力、有温暖感，丰富；但低频成分过多，则声音浑浊、沉重，有隆隆声；低频成分少，声音可能比较干净，但单薄无力。 中频
增加中频可是声音有力，活跃、清晰、透亮。但中频过多，则声音的动态出不来、浑浊；低中频过多，声音会变得瓮声瓮气，象小罐声；2─5KHZ的中频过多，声音发硬、刺耳；4─7KHZ中高频多时，会有咝咝声，如人的齿声。缺少中频，音色圆润、柔和，但松散（500─1KHZ），动态出不来，沉重、浑浊（5KHZ）。 高频
对声音的高频成分进行提升，可使声音明亮、清晰、锐利。高频成分过多，声音刺耳、有咝咝声，轮廓过分清楚、呆板、硬、缺少弹性，有弦乐噪声。高频不足，声音圆润、柔和，但枯燥、沉重、浑浊，有遥远感。 人耳在听不同音量的声音时，对不同频段的感受能力也有所不同，因此重放时的音量也很重要，音量小时，声音无力、单薄 、动态出不来，无光泽；音量适中时，声音自然、清晰、圆润、柔和、丰满、和谐；音量大时，声音丰满、有力、动态出得来，音量过大时，声音生硬、不柔和。