频率与音高：从物理信号到心理声学的完整转换指南

频率音高数字音频处理

于 2026-07-07 15:24:04 修改

·本内容遵循CC 4.0 BY-SA版权协议

在数字音频和音乐技术领域，频率与音高是两个最基础也最容易混淆的概念。很多开发者在使用音频处理库时，能够调用API生成特定频率的声音，却不清楚这个频率值如何转化为人类感知中的“音高”；或者在处理音频分析时，看到了频谱上的峰值，却无法准确判断它对应的音乐音符。这种理解断层会导致音频应用开发中出现调音不准、音高识别错误、合成音色不自然等问题。

本文将从最基础的正弦波开始，逐步构建频率到音高的完整认知框架。无论你是正在开发音乐软件、语音识别系统，还是单纯对数字音频原理感兴趣，理解频率与音高的关系都是不可或缺的基础。通过本文，你将能够掌握从物理信号到心理声学感知的完整转换链条，并在实际项目中准确实现音高控制和分析。

1. 正弦波：声音的最基本单元

1.1 什么是正弦波及其数学表示

正弦波是声音的最基本构成单元，在物理学上可以用简单的三角函数表示：

PYTHON

import numpy as np

import matplotlib.pyplot as plt

# 正弦波函数：y = A * sin(2πft + φ)

def generate_sine_wave(frequency, duration, sample_rate=44100, amplitude=1.0, phase=0):

t = np.linspace(0, duration, int(sample_rate * duration))

signal = amplitude * np.sin(2 * np.pi * frequency * t + phase)

return t, signal

其中关键参数的含义：

频率（frequency）：单位时间内波形重复的次数，单位赫兹（Hz），决定音高
振幅（amplitude）：波形的最大偏移量，决定音量大小
相位（phase）：波形在时间轴上的起始位置，影响多个波形的叠加效果
采样率（sample_rate）：数字音频中每秒采集的样本数，必须大于频率的两倍

1.2 频率的物理意义与听觉范围

频率的物理意义是振动体每秒完成的完整周期数。人类听觉系统能够感知的频率范围大约在20Hz到20000Hz之间，但这个范围会随着年龄和环境噪音而变化。

PYTHON

# 生成不同频率的正弦波进行对比

frequencies = [100, 440, 1000, 5000] # 从低音到高音

duration = 0.5 # 0.5秒

plt.figure(figsize=(12, 8))

for i, freq in enumerate(frequencies):

t, signal = generate_sine_wave(freq, duration)

plt.subplot(2, 2, i+1)

plt.plot(t[:1000], signal[:1000]) # 只显示前1000个样本

plt.title(f'{freq}Hz 正弦波')

plt.xlabel('时间（秒）')

plt.ylabel('振幅')

plt.tight_layout()

plt.show()

运行这段代码可以看到，频率越高，波形越密集，对应的听觉感受音高也越高。100Hz是低沉的嗡嗡声，440Hz是标准音高A4，1000Hz已经比较尖锐，5000Hz则是很高频的嘶嘶声。

2. 从频率到音高的心理声学转换

2.1 音高的定义与频率的对数关系

音高是人类主观感知到的声音"高度"，它与频率呈对数关系而非线性关系。这意味着频率翻倍时，音高感知升高一个八度，这种关系可以用数学公式表达：

PYTHON

def frequency_to_pitch(freq):

"""将频率转换为以音分表示的相对音高"""

# A4 = 440Hz 作为基准

A4_freq = 440

# 计算半音数：12 * log2(freq/A4)

semitones = 12 * np.log2(freq / A4_freq)

# 转换为音分（1半音=100音分）

cents = semitones * 100

return cents

def pitch_to_frequency(pitch_cents, base_freq=440):

"""将音分转换为频率"""

semitones = pitch_cents / 100

frequency = base_freq * (2 ** (semitones / 12))

return frequency

这种对数关系解释了为什么在音乐中，从100Hz到200Hz的音高变化感知与从1000Hz到2000Hz的变化感知相同，都是升高一个八度。

2.2 十二平均律与标准音高体系

现代音乐普遍采用十二平均律，将一个八度平均分为12个半音。每个相邻半音之间的频率比为2^(1/12) ≈ 1.05946。基于A4=440Hz的标准，可以计算出整个音高体系的频率：

PYTHON

# 钢琴键盘音名与频率对照表（C0到C8）

note_names = ['C', 'C#', 'D', 'D#', 'E', 'F', 'F#', 'G', 'G#', 'A', 'A#', 'B']

def create_frequency_table():

"""生成88键钢琴的频率表"""

frequencies = {}

# A4 = 440Hz 是第49键

a4_index = 49

a4_freq = 440

for key_number in range(1, 89): # 钢琴键1-88

semitones_from_a4 = key_number - a4_index

freq = a4_freq * (2 ** (semitones_from_a4 / 12))

# 计算音名

note_index = (key_number - 1) % 12

octave = (key_number + 8) // 12

note_name = note_names[note_index] + str(octave)

frequencies[note_name] = round(freq, 2)

return frequencies

# 显示部分关键音符的频率

freq_table = create_frequency_table()

important_notes = ['A0', 'C4', 'A4', 'C5', 'A5', 'C8']

for note in important_notes:

print(f"{note}: {freq_table[note]}Hz")

输出结果：

TEXT

A0: 27.5Hz

C4: 261.63Hz

A4: 440.0Hz

C5: 523.25Hz

A5: 880.0Hz

C8: 4186.01Hz

这个表格显示了音高体系的规律性：每个八度频率翻倍，同一音名在不同八度间保持严格的2倍关系。

3. 实际应用：音高检测与合成

3.1 使用Python进行实时音高检测

在实际音频处理项目中，经常需要从录音或音频文件中检测音高。以下是使用librosa库进行音高检测的示例：

PYTHON

import librosa

import librosa.display

def detect_pitch_from_audio(file_path):

"""从音频文件中检测基频（音高）"""

# 加载音频文件

y, sr = librosa.load(file_path)

# 使用PYIN算法进行音高检测

f0, voiced_flag, voiced_probs = librosa.pyin(y,

fmin=librosa.note_to_hz('C2'),

fmax=librosa.note_to_hz('C7'))

# 转换为音名

times = librosa.times_like(f0)

pitches = []

for i, freq in enumerate(f0):

if voiced_flag[i] and not np.isnan(freq):

# 将频率转换为最接近的音符

note_index = round(12 * np.log2(freq / 440) + 69) # 69是A4的MIDI编号

octave = note_index // 12 - 1

note_name = note_names[note_index % 12] + str(octave)

pitches.append((times[i], freq, note_name))

return pitches

# 可视化音高轨迹

def plot_pitch_track(y, sr, f0):

plt.figure(figsize=(12, 8))

# 绘制频谱图

plt.subplot(2, 1, 1)

S = librosa.amplitude_to_db(np.abs(librosa.stft(y)), ref=np.max)

librosa.display.specshow(S, sr=sr, x_axis='time', y_axis='log')

plt.colorbar(format='%+2.0f dB')

plt.title('频谱图')

# 绘制音高轨迹

plt.subplot(2, 1, 2)

times = librosa.times_like(f0)

plt.plot(times, f0, label='音高轨迹', color='red', linewidth=2)

plt.xlabel('时间（秒）')

plt.ylabel('频率（Hz）')

plt.title('音高检测结果')

plt.legend()

plt.tight_layout()

plt.show()

3.2 合成具有特定音高的音频

在音乐软件或声音合成器中，需要根据音名或MIDI编号合成对应音高的声音：

PYTHON

def synthesize_note(note_name, duration=2.0, sample_rate=44100, waveform='sine'):

"""根据音名合成音符"""

# 音名到频率的转换

if note_name in freq_table:

frequency = freq_table[note_name]

else:

# 动态计算频率

base_note = note_name[:-1] # 音名（如A、C#）

octave = int(note_name[-1]) # 八度

base_freq = freq_table[base_note + '4'] # 以第四八度为基准

octave_shift = octave - 4

frequency = base_freq * (2 ** octave_shift)

# 根据波形类型生成信号

t = np.linspace(0, duration, int(sample_rate * duration))

if waveform == 'sine':

signal = np.sin(2 * np.pi * frequency * t)

elif waveform == 'sawtooth':

# 锯齿波合成

signal = librosa.sawtooth(2 * np.pi * frequency * t)

elif waveform == 'square':

# 方波合成

signal = librosa.square(2 * np.pi * frequency * t)

else:

raise ValueError("不支持的波形类型")

# 添加振幅包络（ADSR）

attack = 0.1 # 起音时间

decay = 0.1 # 衰减时间

sustain = 0.7 # 持续电平

release = 0.3 # 释音时间

envelope = np.ones_like(t)

# 起音阶段

attack_samples = int(attack * sample_rate)

envelope[:attack_samples] = np.linspace(0, 1, attack_samples)

# 衰减阶段

decay_samples = int(decay * sample_rate)

envelope[attack_samples:attack_samples+decay_samples] = np.linspace(1, sustain, decay_samples)

# 释音阶段

release_samples = int(release * sample_rate)

envelope[-release_samples:] = np.linspace(sustain, 0, release_samples)

signal = signal * envelope

return signal, frequency

# 合成A4音高的正弦波

note_signal, actual_freq = synthesize_note('A4', duration=2.0)

print(f"合成音符A4，实际频率：{actual_freq}Hz")

# 可以播放或保存音频

# from scipy.io import wavfile

# wavfile.write('A4_sine.wav', 44100, note_signal)

4. 常见问题与音高校准

4.1 音高检测中的典型问题及解决方案

在实际音频处理中，音高检测可能会遇到各种问题。以下是常见问题及解决方法：

问题现象	可能原因	检查方法	解决方案
检测结果不稳定，频繁跳动	信号太弱或噪音干扰	检查信噪比，观察频谱图	预处理：滤波、增强振幅，调整检测参数
检测到错误的八度（高八度或低八度）	谐波比基频更强	分析频谱，查看谐波结构	使用谐波组合算法，设置合理的频率范围
无声段被误判为有音高	检测阈值设置不当	检查静音检测阈值	调整静音判断参数，结合能量检测
音高曲线有突然的跳跃	音频中有爆破音或瞬态	查看波形中的瞬态点	使用更平滑的过渡算法，忽略瞬态段

4.2 音高校准的最佳实践

在音乐制作和音频分析项目中，音高校准至关重要：

PYTHON

def calibrate_pitch_detection(reference_file, expected_freq):

"""使用参考音频校准音高检测系统"""

# 检测参考音频的音高

detected_pitches = detect_pitch_from_audio(reference_file)

if not detected_pitches:

raise ValueError("无法从参考音频中检测到音高")

# 计算检测误差

detected_freqs = [p[1] for p in detected_pitches if p[1] > 0]

avg_detected = np.mean(detected_freqs)

error_cents = frequency_to_pitch(avg_detected) - frequency_to_pitch(expected_freq)

print(f"预期频率：{expected_freq}Hz")

print(f"检测频率：{avg_detected:.2f}Hz")

print(f"误差：{error_cents:.1f}音分")

# 返回校准偏移量

return error_cents

def apply_pitch_calibration(detected_freq, calibration_cents):

"""应用音高校准"""

calibrated_freq = pitch_to_frequency(

frequency_to_pitch(detected_freq) - calibration_cents

)

return calibrated_freq

4.3 频率分辨率与分析参数选择

在进行音高分析时，频率分辨率直接影响检测精度：

PYTHON

def calculate_frequency_resolution(fft_size, sample_rate):

"""计算FFT的频率分辨率"""

return sample_rate / fft_size

def recommend_analysis_parameters(frequency_range, desired_resolution=1.0):

"""根据需求推荐分析参数"""

# 计算所需的FFT大小

min_freq, max_freq = frequency_range

required_fft_size = int(44100 / desired_resolution) # 以44.1kHz采样率为例

# 选择合适的窗函数和重叠

window_size = required_fft_size

hop_length = window_size // 4 # 25%重叠

return {

'n_fft': required_fft_size,

'hop_length': hop_length,

'win_length': window_size,

'window': 'hann'

}

# 针对人声音高检测的推荐参数

vocal_range = (80, 1200) # 人声频率范围

params = recommend_analysis_parameters(vocal_range, desired_resolution=0.5)

print("推荐的分析参数：", params)

5. 高级主题：音高感知的心理声学效应

5.1 音高感知的非线性特性

人类对音高的感知并非完全遵循物理频率的对数关系，还受到多种心理声学效应的影响：

PYTHON

def calculate_mel_scale(frequency):

"""将频率转换为梅尔刻度，更符合人耳感知"""

return 2595 * np.log10(1 + frequency / 700)

def mel_to_frequency(mel):

"""梅尔刻度转回频率"""

return 700 * (10 ** (mel / 2595) - 1)

# 对比线性频率、对数频率和梅尔刻度

freqs = np.linspace(100, 8000, 100)

log_freqs = np.log2(freqs / 440) * 1200 # 音分表示

mel_freqs = [calculate_mel_scale(f) for f in freqs]

plt.figure(figsize=(10, 6))

plt.plot(freqs, log_freqs, label='对数频率（音分）')

plt.plot(freqs, mel_freqs, label='梅尔频率')

plt.xlabel('物理频率（Hz）')

plt.ylabel('感知尺度')

plt.legend()

plt.title('不同频率刻度的对比')

plt.show()

5.2 临界带宽与音高分辨能力

人耳在不同频率区间的音高分辨能力不同，这由临界带宽决定：

PYTHON

def critical_bandwidth(center_freq):

"""计算指定中心频率的临界带宽"""

# ERB（等效矩形带宽）公式

return 24.7 * (4.37 * center_freq / 1000 + 1)

def pitch_discrimination_threshold(frequency):

"""计算在指定频率下的音高差别阈限"""

# 在1kHz附近，人耳能分辨约3-5音分的差别

base_threshold = 5 # 音分，在1kHz时

# 阈值随频率变化（近似公式）

if frequency < 500:

return base_threshold * (1000 / frequency) ** 0.5

else:

return base_threshold * (frequency / 1000) ** 0.3

# 计算不同频率下的分辨能力

test_freqs = [100, 250, 500, 1000, 2000, 4000]

for freq in test_freqs:

threshold = pitch_discrimination_threshold(freq)

bandwidth = critical_bandwidth(freq)

print(f"{freq:4d}Hz: 分辨阈限{threshold:.1f}音分, 临界带宽{bandwidth:.1f}Hz")

这种理解对于音频压缩、音高修正算法的设计至关重要，可以帮助开发者避免过度处理或忽略重要的感知差异。

6. 工程实践建议与调试技巧

6.1 音高相关项目的调试清单

在开发音高处理功能时，建议按以下清单进行系统调试：

信号质量检查
- 确认采样率满足奈奎斯特定理（>2倍最高频率）
- 检查信号是否有削波或量化噪声
- 验证信噪比是否足够进行音高检测
算法参数校准
- 使用已知频率的参考音调校准检测算法
- 针对不同音色（人声、乐器）调整检测参数
- 测试边界情况（最低和最高音高）
感知验证
- 组织听力测试验证算法的感知准确性
- 对比专业音高检测工具的结果
- 检查八度错误等系统性偏差

6.2 性能优化建议

对于实时音高处理应用，性能优化很重要：

PYTHON

def optimized_pitch_detection(y, sr, previous_pitch=None):

"""优化版的实时音高检测"""

# 使用较小的FFT大小提高速度

n_fft = 2048 # 而不是默认的2048

# 如果前一刻有音高，缩小检测范围

if previous_pitch is not None and previous_pitch > 0:

fmin = max(50, previous_pitch * 0.8)

fmax = min(2000, previous_pitch * 1.2)

else:

fmin = 80

fmax = 1200

# 使用更快的检测算法

f0 = librosa.yin(y, fmin=fmin, fmax=fmax, sr=sr, frame_length=n_fft)

# 简单的平滑处理

if previous_pitch is not None:

if not np.isnan(f0[0]) and abs(np.log2(f0[0]/previous_pitch)) < 0.5: # 小于半音

smoothed_pitch = 0.7 * f0[0] + 0.3 * previous_pitch

else:

smoothed_pitch = f0[0] if not np.isnan(f0[0]) else 0

else:

smoothed_pitch = f0[0] if not np.isnan(f0[0]) else 0

return smoothed_pitch

理解频率与音高的关系是数字音频处理的基石。从物理信号到心理声学感知的完整链条掌握，能够帮助开发者在实际项目中做出更准确的技术决策，避免因概念混淆导致的实现错误。建议在具体项目中，始终结合听觉验证来检验算法效果，因为最终的用户体验取决于人类感知而非单纯的数值精度。