声之产生，振动体和弹性媒质缺一不可。前者谓之声源，后者乃声得以传递之媒体。不妨认为弹性媒质是由极其稠密之质点构成的连续体。媒质质点乃物理抽象，概指宏观极小但微观又含大量分子的媒质微元，犹水中悬浮之微粒。振动体驱动邻近媒质质点振动，振动的媒质质点籍弹性复带动其邻近的媒质质点振动，遂产生传之四方的振动扰动——声。此声之产生过程谓之声辐射（sound radiation）。声在媒质中以波的形式存在，谓之声波（sound waves, acoustic waves）也。凡声波所经之处，媒质因之发生压缩和膨胀的交替变化，遂使媒质密度ρ疏密交替变化，并以密度波的形式向四周传递的。相应地，有压力P、温度T等其它物理量的变化：，，其中带有小标”0“的量均表示媒质无声扰动时对应物理量之值。压强的变化量 p 称为声压（sound pressure）。

弹性（elasticity）乃媒质能传播声波之必要条件。衡量媒质弹性的是体弹性系数κ，其倒数β=1/κ为媒质的压缩系数。真空无所谓弹性（κ=0），当然不可能有声波；坚硬无比的刚体不可压缩（β=0），其质点难于振动，也不能有声的扰动。常见的气体（如空气）、液体（如水）和固体（如地面、木质板块、各类金属）均为良弹性媒体，κ取有限值。流体质点的振动方向始终与声波传播的方向一致，此种波为纵波（longitudinal waves）；流体（气体、液体）中只存在纵波。固体物质质点的振动方向，除了存在与波传播方向一致的纵波之外，也可以存在振动方向与传播方向垂直的横波（transverse waves）。声波的传播的快慢称为声速c₀（sound speed），它取决于媒质的体弹性系数κ和静态密度ρ₀，并按公式计算。不同媒质，其密度（ρ₀）和弹性性质（κ）差异甚大，故声速也相差甚大。例如，温度15℃的空气中声速c₀约每秒340米，而水中c₀可达每秒1500米，金属类的固体中更大。

在空间固定位置，媒质质点周而复始地振动，其单位时间内的振动次数称为频率（frequency），单位赫兹（Hz）。盖因媒质质点振动与声源振动同步之故，这个频率就是声源振动的频率。人耳可听声（audible sound）一般在20Hz到20000Hz的频率范围。诚然，不同年龄段或不同健康程度的人，听觉范围有所差异。对于听觉正常的成年人，其可听到的声音 频率常在30～16000Hz之间，而老年人一般在50～10000Hz之间。另一方面，在任一时刻，空间上就存在一系列峰谷周期交替的波状疏密起伏，其周期称为声波的波长，它或者是邻近波峰之间的距离，或者是邻近波谷之间的距离。可见，频率衡量声波时间变化之快慢，波长衡量声波空间变化之快慢。频率f、波长λ和声速c₀三者存在简单的关系：。

声源的振幅越大，声音越响。度量声波幅度者，乃媒质压强变化量声压p（sound pressure），以帕斯卡（Pa）为单位计量。人耳听觉的声压范围很大。人耳对声压具有对数响应的特性，故声压常以对数方式的声压级（sound pressure level）表示，SPL=20lg(p_e/p_ref)，其中p_e是声压的有效值，p_ref是参考声压值，取人耳刚能听到的1000Hz声压的有效值2×10^-5Pa。声压级的单位是分贝（dB）。故0dB基准是人耳刚能听到1000Hz声音的声压。声压增加1倍，声压级就增加6dB。另一个计量声音大小的量是声强I（sound intensity），它反映了声波携带能量之大小。声强的对数表示称为声压级（sound intensity level, SIL）：SIL=10lg(I_e/I_ref)，单位也是分贝，其中I_ref是1000Hz声音在p_ref有效声压下对于的声强，一般取I_ref=10^-12（瓦/平方米）。空气中，常温下声压级SPL几乎等于声强级SIL。

声波在传播过程中若遇到障碍物，就会改变其行进方向。只要障碍物的尺寸大于或接近声波的波长，就会产生反射（reflection）。部分声波则能绕过障碍物的边缘传播，这就是声绕射或衍射（diffraction）。声频率越高，声绕射越不易产生；频率越低，由于声绕射作用，障碍物的遮蔽作用越弱，其时障碍物对声波的影响，称为散射（scattering）。散射使得小部分声能偏离原来传播方向，导致原方向上声能的损失。液体里的气泡对水中传播的声，往往起到了散射的作用。

振动物体产生的声波，通过空气作为媒质，传至人耳，遂使人听到各种声音，既可以是赏心悦耳的谐和之音，也可以是令人生厌的噪乱之声。通常所听到的，往往包含各种频率成份的复合音；复合音由分音构成，其中频率较低的分音称为基音（fundamental tone），频率是基音整数倍的分音，称为谐音（harmonic tones）。凡频率比基音高的所有分音统称泛音（overtones）； 泛音频率未必与基音的整数倍，故不一定是谐音。如果同时发出的两个单频音（谓之纯音），人耳听到的可能是悦耳的谐音（和声），也可能是刺耳的噪声。当两音 的振动频率之比为较小的整数比时，如1:2、1:4，会听到悦耳的谐音；当频率比为较大的整数比时，如8:9、8:15，听到的往往是刺耳的声音。这体现 了“简单即美”的道理。乐器在发出基音的同时，总伴随着一系列泛音。不同乐器的泛音构成并不相同，所发出的同一个音也不尽相同。正是这些泛音决定了一个乐 器所发音的音色（timber）。实际上，任何一个声音都可以分解为若干频率成份之和，称为该声音的频谱（spectrum）。

数 学上单音表示为正弦波（或余弦波）的时间函数，所以存在时间相位（phase），用度表示。与其它波一样，声波相位变化一周为360°。对于声而言，相位 只有相对意义，而不同声音之间的相位差才具有实际意义。即使两个频率相同的正弦波声音，其间也可以存在相位差。同相声波指相位差为零的两列声波，它们互相 增强；反之，反相声波相位差为180°，它们互相减弱，甚至抵消。

如果有两个不同声源发出同样的声音，在同一时间以同样强度到达时，声音 呈现的方向大致在两个声源之间；如其中一个声源延时5~35ms，则感觉声音似乎都来自未延时的声源；如延迟时间在35~50ms间，则延时的声源可被识 别出来，但其方向仍在未经延时的声源方向；只有延迟超过50ms时，第二声源才能象清晰的回声般听到。这种现象就是哈斯效应（Hass effect）。

人类对声源方向的判别，不仅取决于声波传播的物理过程，而且与人的听觉生理和心理因素有关。单耳虽能决定声音的响度、音调和音色等属性，但不能辩别声源的具体方位。只有双耳才具有对声音方向的定位能力，此即所谓双耳效应（binaural effect）。双耳效应的依据是声源发出的声音，在到达两只耳朵时，由于距离不等，而存在时差和强度差。人双耳间距约为16~18cm，约是 800~1000Hz声音的半波长。所以，对频率在800~1000Hz以上的声音，由于头部的遮蔽作用，两耳听到的声音就有强度差异。正是这种强度差， 决定了声音在水平面内的定位。而对于频率在800~1000Hz 以下的声音，音声音之绕射，双耳的定位能力随着频率的降低而减弱。双耳效应只能解释前方水平方向上的声音定位，三维空间之定位，则主要依赖于耳廓效应。人类听觉系统的频率响应为声源空间方位角的函数，即耳廓对来自不同方向的声波频谱进行不同的修正后，才由耳道传到鼓膜，大脑依据声音的频谱特性，就能辨别三维空间中的声源方向。所以，人类的耳廓对确定声音的空间方向起主要作用。

虽然声压与声强、频率与波长、频谱结构等物理量用于描述声音的性质。但在语言声学和音乐声学中，取而代之的是响度（loudness）、音高或音调（tones）和音色（timber）来描述，它们与声强级、频率、频谱对应，但有微妙的区别。

响度（Loudness）是人耳对声音强弱程度的主观感觉。响度主要取决于声强，但也与其频率和波形有关。人耳对中频的音量变化比低频和高频的更为敏感。 与声强级对应，响度也用响度级表示。 一般，把1000Hz声音的声强级作为响度级，计量单位不是分贝，而是方（Phon）。例如，1000Hz的声音的声强级是60dB，而另一个频率的声音 听起来与60dB的1000Hz声音一样响，则这个声音的响度级就是60方。在响度相等的条件下，不同频率的声音与1000Hz频率的声音所需要的声强级 是不同的，如此构成声强级与频率的关系曲线，称为等响曲线，如下图所示。可见，在围绕1000Hz的中频范围内，等响度曲线相对比较低，说明人耳对中频的 响应敏感。 在这个范围之外的低频和高频两边，等响度曲线翘起，说明人耳对低频和高频声音的敏感下降，以致当低于20Hz和高于2000Hz时，需要很大的声强才有可 能感觉声音的存在。人耳能听到声音的最微弱强度，称为听觉阈（图中虚线），产生疼痛感的最高声音强度，称为痛觉阈。听觉阈和痛觉阈所构成的两条等响度曲 线，是等响度曲线的上下限。

 

音调（tone）或音高是声音调子的高低，是人耳对声音频率的感受。所以，音调高低与频率高低密切相关。但是，声音强度及声音长短也会影响人耳对音调的感觉。声音频率每增加一倍，音调升高八度，也就是一个倍频程（oct）。

音色（timber）是人耳对某种声音独特性质的综合感受。音色与多种因素有关，但主要取决于声音的波形，而声音的波形则决定于存在的泛音多少及各自的相对 强度。语言和音乐都是由许多频率的声音所组合而成，都具有脉冲性质，是一系列连续的宽度和强度不等，而且频率差异的声脉冲的组合。所以语音具有瞬变特性， 其能量频谱是随时间变化。