MIDI音符与频率转换：从十二平均律到嵌入式音频合成的核心算法

MIDI频率转换十二平均律

于 2026-07-31 07:00:16 修改

·本内容遵循CC 4.0 BY-SA版权协议

1. 项目概述：从数字音符到物理声波

如果你玩过电子音乐，或者接触过任何数字音频工作站（DAW），那么“MIDI”这个词对你来说一定不陌生。它就像音乐世界的“电报码”，用一串串数字指令告诉合成器或音源：“现在，用多大的力度，按下哪个键，持续多久”。但这里有个有趣的问题：当MIDI说“按下中央C（MIDI编号60）”时，你的设备究竟是如何知道要发出一个频率为261.63 Hz的声音呢？这个从抽象数字编号到具体物理频率的映射关系，就是“MIDI音阶与频率关系”的核心。

我最初深入研究这个关系，是因为在为一个嵌入式音乐项目编写代码时遇到的坑。当时我想用一块微控制器（比如热词里提到的AT32）的PWM输出直接合成简单的旋律。我天真地以为，把MIDI编号直接丢给一个公式就能得到完美的音高，结果出来的声音跑调跑到姥姥家去了。后来才发现，从MIDI编号到频率，中间隔着十二平均律、标准音高（A4=440Hz）以及那看似简单却至关重要的指数运算。搞懂这套关系，不仅是音乐程序员的必修课，对于任何想理解数字音乐底层逻辑、进行音频合成、甚至自己设计简单乐器的硬件爱好者（比如用PWM控制蜂鸣器播放旋律）来说，都是绕不开的基础。

简单来说，这个项目就是彻底拆解MIDI音符编号（Note Number）与对应音高频率（Frequency in Hertz）之间的数学转换关系。它解决了“如何让机器精确地‘知道’该发出什么音高”的问题。无论你是软件开发者想在代码中实现音高计算，还是硬件工程师在用PWM或DAC生成特定频率的波形，亦或是音乐爱好者单纯好奇数字音乐的工作原理，理解这套映射都极具价值。接下来，我们就从最根本的原理开始，一层层把它剥开讲透。

1.1 核心概念解析：MIDI、音阶与频率

在深入公式之前，我们得先统一语言，明确三个核心概念在本文语境下的具体含义。

MIDI音符编号：这是MIDI协议中用于标识一个具体乐音的数字。它的范围是0到127，共128个。编号69被定义为中央A（A4），其标准频率为440 Hz。这是一个线性、离散的整数序列。编号每增加1，代表在钢琴键盘上向右移动一个半音（包括白键和黑键）。

音阶：这里主要指符合十二平均律的音高体系。十二平均律将一个八度（频率翻倍）均匀地分为12个半音。每个半音之间的频率比是一个常数，即2的12次方根（≈1.059463）。这意味着，从物理听觉上，任意相邻两个半音（如C到C#）的“音高距离感”是相同的。

频率：声音的物理属性，单位是赫兹（Hz），表示每秒振动的次数。它决定了我们听到的音高。频率越高，音高越高。频率关系是指数增长的：每升高一个八度，频率翻倍。

理解这三者的关系，关键在于抓住“桥梁”——十二平均律。MIDI编号是台阶的序号，音阶是台阶的均匀分布规则，而频率则是每个台阶所处的实际高度。MIDI协议通过采纳十二平均律和A4=440Hz这个国际标准，将离散的编号与连续的频率世界精确地连接了起来。

2. 核心转换公式的深度推导与解读

知道了“是什么”之后，我们迫切想知道“怎么算”。MIDI编号到频率的转换并非凭空想象，其背后有坚实的音乐声学与数学基础。

2.1 标准转换公式及其由来

最核心、最通用的转换公式如下：

f = 440 * 2^((n - 69) / 12)

其中：

f：所求频率，单位Hz。
n：MIDI音符编号（0-127）。
440：基准频率，即A4（中央A）的标准频率。
69：A4对应的MIDI编号。
12：一个八度内的半音数量。

这个公式是怎么来的？ 我们可以分步推导：

确定基准点：我们规定当 n = 69 时，f = 440。代入公式：440 = 440 * 2^((69 - 69) / 12) = 440 * 2^0 = 440。完美成立。
理解半音步进：在十二平均律中，每升高一个半音（n增加1），频率变为原来的 2^(1/12) 倍（约1.059463倍）。反之，每降低一个半音（n减少1），频率变为原来的 2^(-1/12) 倍。
推广到任意差值：那么，对于任意编号 n，它与基准点A4 (n=69) 相差了 (n - 69) 个半音。因此，其频率应该是基准频率440Hz乘以 2^(1/12) 的 (n-69) 次方。即：f = 440 * (2^(1/12))^(n-69) = 440 * 2^((n-69)/12)。

公式的直观理解：(n - 69) 可以看作以A4为原点的“半音坐标”。公式 2^((n - 69) / 12) 就是这个坐标系的“频率缩放因子”。当坐标为正（音更高），因子大于1；坐标为负（音更低），因子小于1。

2.2 公式的变体与相关计算

掌握了标准公式，我们就能应对各种情况。

已知频率求MIDI编号：有时我们需要反向计算，例如分析一段音频的主音高。对标准公式两边取以2为底的对数（或用自然对数转换）：

TEXT

f / 440 = 2^((n - 69) / 12)

log2(f / 440) = (n - 69) / 12

n = 69 + 12 * log2(f / 440)

由于编程中常用自然对数 log (以e为底) 或 log10，我们可以用换底公式： n = 69 + 12 * (log(f / 440) / log(2))

计算半音与八度的频率比：

一个半音的频率比：r_semitone = 2^(1/12) ≈ 1.0594630943592953
一个八度的频率比：r_octave = 2^(1) = 2 这意味着，MIDI编号每增加12，频率就精确地翻倍。例如，A5 (MIDI 81) 的频率是 440 * 2^((81-69)/12) = 440 * 2^1 = 880 Hz。

微调与音分：在音乐制作中，有时需要进行细微的音高调整，例如模拟老式模拟合成器的“失谐”效果或进行民族音乐的特殊音律微调。这时会用到“音分”。

1个半音 = 100音分。
因此，1音分对应的频率比是 2^(1/1200) ≈ 1.0005777895。
若要以音分 c 来微调一个音符，其频率为：f_tuned = f * 2^(c / 1200)，其中 f 是原公式计算出的频率。

注意：在嵌入式或高性能计算场景中，直接计算 pow(2, (n-69)/12) 可能开销较大。一个常见的优化是预先计算好所有128个MIDI音符的频率，存入一个常量数组进行查找。或者，利用 2^x = e^(x * ln2) 进行转换，并利用硬件加速的数学库。

3. 实操应用：在代码与硬件中实现转换

理论必须付诸实践。下面我们看看如何在几种典型场景中应用这个公式。

3.1 软件实现示例（Python / C++）

Python示例：直观且适合原型验证。

PYTHON

import math

def midi_to_freq(note_number, a4_freq=440.0):

"""

将MIDI音符编号转换为频率。

参数:

note_number (int): MIDI音符编号 (0-127)。

a4_freq (float): A4的基准频率，默认为440.0 Hz。

float: 计算得到的频率(Hz)。如果输入编号超出范围，返回0.0。

"""

if not (0 <= note_number <= 127):

print(f"警告: MIDI编号 {note_number} 超出有效范围(0-127)。")

return 0.0

return a4_freq * (2.0 ** ((note_number - 69) / 12.0))

def freq_to_midi(frequency, a4_freq=440.0):

"""

将频率转换为最接近的MIDI音符编号。

参数:

frequency (float): 输入频率(Hz)。

a4_freq (float): A4的基准频率，默认为440.0 Hz。

int: 最接近的MIDI音符编号。如果频率无效，返回-1。

"""

if frequency <= 0:

return -1

# 使用四舍五入取最接近的整数编号

midi_num = round(69 + 12 * math.log2(frequency / a4_freq))

# 确保结果在有效范围内

return max(0, min(127, midi_num))

# 示例用法

print(f"MIDI 60 (中央C) 的频率: {midi_to_freq(60):.2f} Hz")

print(f"261.63 Hz 对应的MIDI编号: {freq_to_midi(261.63)}")

print(f"MIDI 69 (A4) 的频率: {midi_to_freq(69):.2f} Hz")

C++示例：注重性能和嵌入式环境。

CPP

# include <cmath>

# include <iostream>

const float A4_FREQ = 440.0f;

const int A4_NOTE = 69;

float midiToFreq(int noteNumber) {

if (noteNumber < 0 || noteNumber > 127) {

// 在实际项目中，这里可能需要更严谨的错误处理

std::cerr << "Invalid MIDI note number: " << noteNumber << std::endl;

return 0.0f;

}

// 使用快速指数运算，某些平台有优化版本如 exp2f

return A4_FREQ * powf(2.0f, (noteNumber - A4_NOTE) / 12.0f);

}

int freqToMidi(float frequency) {

if (frequency <= 0.0f) {

return -1; // 表示错误

}

// 计算浮点数编号

float midiNumFloat = 69.0f + 12.0f * log2f(frequency / A4_FREQ);

// 四舍五入到最接近的整数

int noteNumber = static_cast<int>(midiNumFloat + 0.5f);

// 钳制到有效范围

if (noteNumber < 0) return 0;

if (noteNumber > 127) return 127;

return noteNumber;

}

// 优化技巧：对于实时音频合成，可以预先计算查找表（LUT）

class MidiFreqLUT {

private:

float table[128];

public:

MidiFreqLUT(float a4Freq = 440.0f) {

for (int i = 0; i < 128; ++i) {

table[i] = a4Freq * powf(2.0f, (i - 69) / 12.0f);

}

float getFreq(int note) const {

if (note >= 0 && note < 128) return table[note];

return 0.0f;

}

};

3.2 硬件生成中的关联（PWM、DAC）

在嵌入式系统（如Arduino, STM32, AT32）中，我们常用PWM或DAC来生成模拟电压，驱动扬声器或压电蜂鸣器发出声音。这时，计算出的频率值 f 直接决定了波形生成的定时器参数。

以PWM生成方波为例：假设我们使用一个定时器来产生占空比为50%的方波来模拟音高。

计算周期：频率 f 的周期 T = 1 / f (秒)。
转换为计数：如果定时器的时钟频率为 F_clk (Hz)，那么一个周期对应的定时器计数次数为 ARR_Val = F_clk / f。其中 ARR (Auto-Reload Register) 是定时器的重装载值。
设置PWM：将PWM模式设置为在计数达到 ARR_Val/2 时翻转输出，即可产生50%占空比的方波。

示例：用STM32的定时器（时钟72MHz）产生中央C (261.63 Hz)。

TEXT

f = 261.63 Hz

T = 1 / 261.63 ≈ 0.003822 秒

ARR_Val = 72,000,000 / 261.63 ≈ 275,215

由于 ARR 是一个整数寄存器，实际频率会有微小误差：f_actual = 72,000,000 / 275,215 ≈ 261.628 Hz，误差极小。对于更精确的控制，可以使用定时器的分频器（PSC）和 ARR 配合来获得更合适的计数值。

实操心得：在资源紧张的MCU上，频繁使用 pow 或 log 函数计算频率是不可取的。最佳实践是：

使用查找表：如上文C++示例，预先计算128个频率值，或只计算常用音域的音符。

整数运算近似：如果需要动态计算，可以考虑使用定点数运算或近似公式来避免浮点运算。例如，利用 2^(x/12) ≈ 1 + x * 0.0577623 (当x较小时的线性近似，精度较差) 或更精确的多项式近似。

关注定时器精度：PWM频率的精度受限于定时器时钟和 ARR 整数值。有时为了获得精确的频率，需要精心选择时钟源和分频系数。

3.3 与音频采样率的关系

在数字音频领域（如WAV文件、DAW工程），还有一个关键参数：采样率（如44.1kHz, 48kHz）。采样率决定了每秒采集或播放多少个音频样本。它和频率的关系体现在生成一个周期波形需要多少个样本点上。

例如，要在44.1kHz采样率下生成一个440Hz的正弦波：

每秒需要44100个样本点。
440Hz的正弦波，每个周期时长为 1/440 ≈ 0.0022727 秒。
因此，每个周期包含的样本点数 N = 采样率 / 频率 = 44100 / 440 ≈ 100.227 个点。

在编写软件合成器或处理音频缓冲区时，我们通常在一个“相位累加器”，每次增加 频率 / 采样率 * 2π 弧度，来连续生成波形样本。这里，由MIDI编号转换来的 频率 是计算这个相位增量的核心输入。

4. 扩展讨论与常见问题

掌握了基本转换后，我们来看看一些进阶话题和实际中容易踩的坑。

4.1 非标准调音与历史音高

标准公式基于A4=440Hz。但音乐实践中并非总是如此。

巴洛克音高：历史上，A4的音高可能低至415Hz或高到466Hz。例如，一些演奏巴洛克音乐的团体使用A4=415Hz，这比标准低约一个半音。
乐队调音：有些管弦乐队会将基准音调至442Hz甚至更高，以求获得更“明亮”的音色。
自定义调音：电子音乐中，为创造特殊氛围，可能会整体偏移或拉伸音阶。

处理方法：只需修改公式中的基准频率 a4_freq 参数即可。例如，对于A4=415Hz： f = 415 * 2^((n - 69) / 12)

注意：当使用非标准基准音高时，MIDI编号69对应的物理频率变了，但它在十二平均律体系中的“角色”依然是A4。这可能会在与使用标准调音的乐器或音源合奏时产生音高冲突。

4.2 微音程与MIDI扩展

标准MIDI的128个编号只能表示十二平均律中的音。如何表示微分音（如四分之一音）？

MIDI音高弯音消息：这是最常用的方法。通过发送弯音轮消息，可以在一个相当大的范围内（通常是±2个半音）连续地改变音高。其本质是在计算频率时，给 n 加上一个微调量 d（单位可以是半音或音分）：f = 440 * 2^((n + d - 69) / 12)。
MIDI 2.0与高精度：新的MIDI 2.0协议引入了更高的精度，允许直接指定更精细的音高。
软件内部处理：在DAW或合成器插件内部，完全可以使用浮点数来表示音高，突破半音的整数限制。

4.3 常见问题与排查技巧

在实际编程和调试中，你可能会遇到以下问题：

1. 声音音高不准，整体偏高或偏低

检查基准频率：确认你的代码中A4的基准频率是否是440.0。一个常见的笔误是写成440（整数），在强类型语言中可能导致整数除法问题。确保使用浮点数（440.0）。
检查MIDI编号映射：确认你输入的MIDI编号是否正确。中央C是60，A4是69。有时音序器或控制器可能发送了带通道或状态的错误数据。
检查硬件时钟：如果是硬件生成声音（如PWM），检查定时器的时钟配置（F_clk）是否正确。时钟算错了，频率自然不对。

2. 计算出的频率值异常（NaN、无穷大或零）

输入有效性检查：在函数入口处，务必检查 note_number 是否在0-127范围内，以及 frequency 是否大于0。对无效输入进行防御性处理。
数学运算安全：确保 pow 或 log 函数的输入参数合法。例如，log(0) 或 log(负数) 会导致错误。

3. 性能问题（在嵌入式或实时音频线程中计算太慢）

使用查找表：这是最有效的优化方法。对于128个音符，一个 float 数组只占512字节，却可以省去所有复杂的指数运算。
降低精度：如果不是专业音乐应用，可以考虑使用定点数运算或低精度的近似公式来计算频率。
预先计算：在初始化阶段计算好所有需要的频率，避免在实时渲染循环中进行计算。

4. 与其他系统交互时的音高不一致

确认调音标准：确保交互的双方使用相同的A4基准频率。特别是在与外部硬件合成器、音源插件或音频文件交互时。
注意弯音状态：检查是否有未复位的弯音消息，导致音高被整体偏移。
采样率转换问题：如果涉及重采样，不正确的算法可能会引入细微的音高变化（尽管这更多影响音色和时间）。

5. 从理论到创意：应用场景展望

理解MIDI与频率的关系，远不止于实现一个转换函数。它为你打开了一扇门，让你能以程序化的方式理解和创造声音。

1. 软件合成器与音频插件开发：这是最直接的应用。你需要根据MIDI输入实时计算振荡器的频率，来生成正弦波、方波、锯齿波等基础波形。加法合成、频率调制合成等算法也深深依赖精确的频率控制。

2. 音乐可视化与音频分析：你可以将音频信号通过傅里叶变换（FFT）得到频谱，然后利用 freq_to_midi 函数将突出的频率峰值转换为最接近的音符编号，从而实现实时“扒谱”或和弦识别。

3. 嵌入式音乐项目与交互艺术：

用Arduino读取传感器数据（如距离、压力），映射到MIDI编号，再转换为频率驱动蜂鸣器，制作一个“空气提琴”。
用树莓派或STM32解析MIDI文件，通过PWM或DAC输出，自制一个硬件MIDI音源或迷你电子琴。
正如热词中提到的“AT32做MIDI”、“PWM+频率占空比”，这正是许多硬件爱好者正在做的事情。

4. 算法作曲与生成艺术：你可以编写程序，根据数学规则（如分形、L系统）、随机过程或数据分析结果来生成MIDI音符序列。这些序列通过频率转换，最终变成可听的音乐。这模糊了编程、数学与艺术的边界。

5. 音乐教育工具：开发辅助练习音准的App，通过麦克风采集用户演唱或演奏的声音，计算其频率并实时显示对应的音符名及与目标音高的偏差（以音分显示）。

我个人在多个软硬件音乐项目中反复运用这套转换关系。一个深刻的体会是：精度很重要，但音乐性更重要。在追求数学上精确的频率的同时，不要忘记音乐中的“律动”、“情感”和“偶然性”。有时，一点点模拟电路带来的“失谐”或数字精度限制产生的细微偏差，反而会让声音更有生命力。理解规则，是为了在必要时巧妙地打破它或运用它。希望这篇详尽的拆解，能为你未来的音乐科技项目打下坚实的基础。