簡單地說，聲音是由於物體的振動產生了波;波，通過一定的傳播媒界(往往是空氣，也可以是水或木頭)到達我們的耳朵;然後再由我們的大腦解釋所產生的。聲音有三個基本的特性：音高、音量和音質。
我們常用赫茲(Hz)來描述頻率。這是為了紀念十九世紀的物理學家Heinrich Rudolf Hertz而命名的。一赫茲表示每秒重複一次。音高是我們大腦對聲音訊率的主觀感覺，頻率越高就覺得聲音越高;反之，頻率越低就覺得聲音越低。聽力好的人(注：聽力好的人往往是孩童，成年人會隨著年齡的增加而聽力衰退;當然，受過訓練的人比沒有受過訓練的人聽力要好)可以聽到的頻率範圍是20Hz至 20kHz，成年人一般只能聽到17kHz甚至更低。高於20kHz的聲音稱為超聲波(Ultrasound);低於20Hz的聲音稱為亞聲波(Infrasound)，這些聲音都是人類所聽不到的。
理論上講，聲音的強度(即通常所說的音量)是由聲波的振幅決定的。但是，由於音量這個概念，是聲音通過我們大腦的解釋所形成的，所以有很大的主觀性。心裡聲學的研究表明，相同振幅但頻率不同的兩種聲音，聽起來可以有不同的音量水平。比如說，音較高的聲音聽起來往往比同振幅的音較低的聲音響。我們常用分貝(dB)來描述聲音的強度，這是為了紀念Alexander Graham Bell而命名的.。分貝，是用對數來衡量的，每增加10dB可以讓聲音聽起來響亮兩倍。通常，我們的聽力範圍是可以從0dB至120dB(通常稱作聽閥或痛苦閥)。
通常，我們可以輕而易舉的分辨出鋼琴與小提琴的聲音，即使它們的音高和音量都一樣。這說明，聲音除了音高和音量，還有其他特性。在下圖中，我們可以看到，兩個聲波具有相同的音高，即頻率相同;且具有相同的振幅，即音量一樣，但聲波的波形卻不一樣。正是這波形的“樣子”決定了不同的樂器有不同的音質。這裡舉所的，是兩種最簡單的波形(正弦波和鋸齒波)，而實際上的樂器聲音往往復雜得多。舉例來說，當你撥弄一根尼龍吉它的琴絃，整根琴絃將會作振動(嚴格地說是一種阻尼振動)，顯然這種振動有一定的週期性(用肉眼即可粗略觀察到)並有一定的音高(頻率)。照理說，該琴絃所產生的波形應該是形狀比較簡單、振幅逐漸減小的(因為能量傳遞到空氣中去)樣子。而事實上並非如此。物理聲學告訴我們，當弦在作一個單位的振動時，在弦長的二分之一、三分之一、四分之一、五分之一等位置同樣也產生振動，而這些振動的振幅很小，肉眼很難覺察得到。所以說，吉它的弦是由多種不同頻率的簡單的波形組成的，這些簡單的波形疊加起來，便成了一條十分複雜的波形。由於整條弦的振動所產生的能量最大，所以，它的頻率決定了整條琴絃所產生的聲音的音高(而其他頻率的振動所產生的能量，不足以引起我們的注意)。這個音我們稱之為基音。其他振動所產生的音稱為泛音或和聲，它們是基音的整數倍。再深入一點說，上面所說的“簡單波形”，實際上就是正弦波形。而不同頻率不同振幅的正弦波形結合在一起，便形成了某種樂器所特有的音色。所以說，音質是每種樂器所產生的獨特和聲內容的結果。在這裡，我們不但可以知道，複雜的波形為什麼具有不規則的形狀。而且，我們可以知道，一個複雜的波形可以分解為若干個簡單的正弦波形。這樣一過程，我們稱之為 Fourier分析。它以法國數學家Jean Baptiste Joseph Fourier命名。當然，該過程是經過嚴格證明的。順便提一下，關於泛音是基音的整數倍這一結論，在物理上也是有嚴格證明的(我們所舉的例子只是為了方便大家理解，而並非證明)。理論上講，泛音可以向上無限延伸;離基音越遠能量越小。
最後，還想簡單說一下人耳對聲音定位的問題。這個問題涉及到有關心理聲學(Psycho-acoustics)方面的知識。心理聲學是研究人們如何理解聲音的一門科學。因為人腦畢竟不是什麼精確的測量儀器，聲音在人腦中的反映會與真實情況有所差異。利用這些人腦的錯覺往往可以製作出一些令人驚訝的效果來。像三維音響(3D Audio)便是其中的一個應用。不僅可以像立體聲(Stereo)那樣模擬出左右不同深度的聲音，而且還能模擬出上下前後各種方向的深度。 Creative的聲霸卡就採用了類似的稱作Qsound的增強定位音響效果，大家可以一聽為快。
心理聲學的研究表明，有四個因素決定我們是如何定位聲音的。前兩個因素是耳朵聽到聲音的時間和強度的差別，即對同一聲源左右耳朵聽到先後順序和振幅的差別;第三個因素，是我們左右耳朵的外耳形狀對於聲源反射的不同;最後一個因素，是所謂“頭部遮蔽(Head Shadowing)”現象，即其中一個耳朵由於頭部的遮擋而聽不到直接的聲音，而只能從其反射波來感知。由於以上所有因素結合在一起，使我們能夠確定出聲音的位置。
