用傅里叶变换和频谱分析，给理工生讲懂乐理中的音色与协和

如果你是一个理工科背景的人，第一次翻开乐理书，大概率会有一种很熟悉的感觉：每个字都认识，组合在一起就是不懂。C大调、属七和弦、调式、终止式……这些概念建立在大量听觉经验之上，而理工生的听觉经验往往没有跟上文字描述。于是很多人学了三个月，记住一堆名词，却依然说不清“为什么这个音和那个音放在一起好听”。

本文想换一条路：不从五线谱开始，而是从物理和信号处理出发，用傅里叶变换把“音色”拆成“频谱”，再从频谱反推乐理中“协和”与“不协和”的来源。换句话说，这篇文章是把乐理课改写成了一堂信号处理实战课。

读完你会得到三样东西：

• 一套用频率、频谱、谐波理解音乐的思维框架；
• 用 Python 对乐音做 FFT 频谱分析和频谱图绘制的完整代码；
• 从“音色 = 频谱”出发，理解泛音列、协和音程和十二平均律的数学本质。

文章不要求你有乐理基础，但希望你具备最基本的 Python 使用经验。

1. 为什么建议理工生换一条路学乐理

1.1 传统乐理学习路径，卡住了很多理工生

乐理书通常先讲音名、音程、音阶、调号，再讲和弦与和声进行。这种路径有一个默认前提：学生能听出“Do-Re-Mi”的差别，能分辨大三和弦与小三和弦的情绪差异。

但理工生常常卡在这一步。

“我知道 Do 和 Re 是两个音，可为什么它们轮流出现会好听？”这种问题在传统乐理体系里很难得到一个量化答案。书里会告诉你“这个进行在调内，很自然”，可“自然”这个词对习惯了公式和参数的人来说，几乎等于没有解释。

理工生需要的是映射关系：物理量到听觉感受的映射。而傅里叶变换恰好提供了最核心的映射工具。

1.2 傅里叶变换是理工生理解音乐的一座桥

音乐信号在时域上看起来是一条复杂的波形曲线，但傅里叶变换告诉我们：任何周期信号都可以分解成一系列不同频率、不同幅度、不同相位的正弦波之和。

这个概念的价值在于，它把“音色”这个主观词汇，翻译成了“频谱结构”这个客观描述。

一旦完成这个翻译，很多乐理困惑就自动化解了：

• 为什么不同乐器演奏同一个音，我们能分辨出来？
• 为什么有些音程听起来协和，有些听起来刺耳？
• 为什么钢琴按下一个键，发出来的其实不止一个频率？

这三个问题都可以用频谱回答。所以，这篇教程不是否定乐理，而是给乐理换一个更适合理工生的坐标系。

2. 声音是什么：从空气振动到三个基本属性

2.1 声音的本质是振动，不是“音符”

在物理层面，声音就是空气压力的周期性波动。声源振动，推动周围空气分子，形成疏密相间的纵波，传入人耳后引起鼓膜振动，最终被听觉系统感知。

这里有几个关键物理量：

• 振动频率，单位是赫兹（Hz），每秒振动次数；
• 振动幅度，决定了声音的强弱；
• 振动波形，也就是压力随时间变化的形状。

音乐中所谓“音符”，实际上是人耳对某个频率振动的主观标签。比如国际标准音 A4，频率被规定为 440 Hz，意思就是声源每秒完成 440 次振动循环。

2.2 乐音的三大属性与物理量的对应关系

在音乐理论中，一个乐音通常被描述为三个维度：

前两个对应关系很直接：基频越高，听起来音越高；振幅越大，听起来越响。

但音色就麻烦一些。同样是 440 Hz 的 A4，钢琴发出的声音和小提琴发出的声音，基频都是 440 Hz，响度也可以调到一致，可听感完全不同。差异不在基频，而在“基频之外还有什么”。

2.3 用“频率成分”重新理解音色

一架钢琴在弹奏 A4 时，真正发出声音的空气振动不是单一的正弦波，而是一个复杂的周期信号。这个周期信号的基频是 440 Hz，但除了 440 Hz 之外，还包含 880 Hz、1320 Hz、1760 Hz……等一系列频率成分。

小提琴的 A4 也有这些成分，但每个频率成分的强度比例不一样。

人耳对音色的辨认，本质上就是对“频率成分比例”的辨认。你用频谱图去看这两种乐器，一眼就能看出它们的差异，哪怕它们演奏同一个音高。

这就是“音色 = 频谱”这个标题想表达的直觉。下一章，我们把傅里叶变换这个工具正式请出来。

3. 傅里叶变换：从一条波形到一张频谱

3.1 时域与频域：同一声音的两种观察方式

声音信号最原始的表达方式是时域波形，横轴是时间，纵轴是振幅。它告诉你在每个瞬间空气压力的变化情况。

但时域波形有一个问题：它把所有频率成分混合在一起，你很难看出这个声音里面有哪些频率。

傅里叶变换提供了另一种视角。变换之后，横轴变成频率，纵轴变成该频率成分的强度。这就是频域表达。

同一个声音，时域是一条曲线，频域是一张频谱图，两者包含的信息在数学上等价。频域的优点是把“混合后的结果”还原成“原始的成分列表”，方便我们观察哪些频率是主角，哪些是配角。

3.2 傅里叶变换公式与直觉解释

连续傅里叶变换的数学表达式为：

X(f) = ∫ x(t) · e^(-j2πft) dt

其中 x(t) 是时域信号，X(f) 是频域信号，f 是频率，j 是虚数单位。

这个公式一眼看上去可能让人头疼，但直觉其实很简单：把原始信号 x(t) 与一个频率为 f 的标准正弦波相乘，再对整个时间求积分。如果信号里恰好包含频率 f 的成分，乘积会得到较大的积分值；如果信号里根本没有这个频率，正负部分会相互抵消，积分结果趋近于零。

所以傅里叶变换本质上是“扫描式地检测信号中包含哪些频率成分”，扫描到哪个频率有强响应，就说明信号里存在那个频率的分量。

3.3 从连续变换到FFT

现实中的音频信号是离散采样得到的。假设采样率为 fs，每隔 1/fs 秒采集一个样本，得到离散序列 x[n]，n = 0, 1, ..., N-1。

离散傅里叶变换（DFT）的公式是：

X[k] = Σ x[n] · e^(-j2πkn/N)

直接按这个公式计算 N 个点的复杂度是 O(N²)，对实时应用来说太慢。快速傅里叶变换（FFT）利用对称性和周期性，把复杂度降到 O(N log N)，这才让频谱分析在工程中真正可用。

现在几乎所有主流编程语言都有成熟的 FFT 库。Python 中最常用的是 numpy 和 scipy 提供的 FFT 接口，后面我们会直接用。

3.4 频谱与频谱图的区别

这里要区分两个容易混淆的概念：

• 频谱（spectrum）：对一段信号做傅里叶变换，得到频率与幅度的对应关系。它是一张静态的“频率快照”。
• 频谱图（spectrogram）：把信号分成很多短窗口，对每个窗口分别做 FFT，再按时间顺序排列，形成“时间-频率-幅度”三维信息，通常用颜色表示幅度大小。

音乐是时间艺术，音色会随着演奏过程变化。一个钢琴音开头有冲击感，中段是衰减的余音，末段逐渐消失。单纯看整个音符的频谱，会丢失这种动态信息。

所以实践中，分析单个音色看频谱，分析一段旋律或乐句，更适合看频谱图。文章第 5 章会把两种方法都演示一遍。

4. “音色 = 频谱”：这个等式为什么能成立，又不能完全成立

4.1 最直接的证据：波形不同，频谱不同

做一个简单实验：一个 440 Hz 的正弦波，和一个 440 Hz 的方波，听感完全不同。没错，基频相同，音高相同，但音色差异巨大。

看时域波形，正弦波是平滑的曲线，方波是陡峭的上下跳变。为什么会有这种差异？因为方波里包含了大量的高频分量。

数学上，方波可以用傅里叶级数展开为：

x(t) = (4/π) · [sin(2πft) + (1/3)sin(6πft) + (1/5)sin(10πft) + ...]

方波包含基频的 1 倍、3 倍、5 倍、7 倍……等奇次谐波，而且谐波幅度按 1/n 的规律递减。正弦波只有一个基频分量。两者的频谱差异，就是音色差异最直观的体现。

所以“音色 = 频谱”这个式子，在教学上非常有用：它把一个难以言说的主观听觉，映射成了可以计算的客观频谱。

4.2 谐波与泛音：两个容易混淆的词

在讨论频谱时，经常会遇到两个词：谐波（harmonic）和泛音（overtone）。

• 谐波：频率为基频整数倍的频率成分。比如基频 440 Hz，则 880 Hz 是二次谐波，1320 Hz 是三次谐波。
• 泛音：除基频之外的所有频率成分。泛音不一定是基频的整数倍，它可以是非整数倍。

大多数弦乐器和管乐器的泛音近似整数倍关系，所以它们的泛音基本就是谐波。但有些乐器，比如钟、锣、某些打击乐器，泛音并非整数倍关系，频谱结构更加复杂，听感也更有金属感和不和谐感。

讨论乐音音色时，谐波结构是分析重点；讨论所有声音时，泛音是更宽泛的称呼。

4.3 幅度谱与相位谱的取舍

严格来说，傅里叶变换输出的是复数频谱，包含幅度和相位两部分信息。

• 幅度谱：告诉你每个频率成分有多少能量；
• 相位谱：告诉你每个频率成分在时间上的对齐关系。

人耳对幅度谱的感知非常敏感，这就是不同乐器音色差异的主要来源。但对相位谱的敏感度相对较低，尤其对稳态音符来说，人耳很难分辨两个只有相位不同的声音。

工程上，很多音频处理系统只保留幅度谱，丢弃相位，比如常见的频谱可视化。但在某些场景，比如波表合成、脉冲响应处理、声场重建中，相位信息非常重要。

所以更严谨的说法是：完整的复数频谱与声音一一对应；但日常语境中说“频谱”，通常指幅度谱，它捕获了音色的主体，却丢掉了相位和一部分时变细节。

4.4 包络与时变：音色的“另一只脚”

再回到钢琴和小提琴的例子。即使你忽略相位，只看幅度谱，钢琴与小提琴的差异依然很明显。但如果只取音符开头 50 毫秒做频谱分析，你会得到完全不同的结果，因为钢琴声音一开始有很强的冲击噪声，而长笛没有。

这说明音色不仅是“某时刻的频谱”，还包括“频谱随时间的变化”。

包络（envelope）就是描述声音幅度随时间变化的曲线。常见的包络模型是 ADSR：起音、衰减、延音、释放。不同乐器的包络差异巨大：

• 钢琴：起音快，随后快速衰减，延音逐渐消逝；
• 管风琴：起音慢，持续期保持稳定，几乎没有衰减；
• 打击乐：起音极短，衰减极快。

所以，如果你想在合成器上模拟一种真实乐器，除了调整谐波幅度比例，还要调整包络。这就是“音色 = 频谱”这个表达需要补充的地方：准确说，是“频谱结构 + 频谱随时间的演变 + 包络，共同决定音色”。

不过，作为给理工生的第一课，先牢牢记住“频谱是音色的地基”，完全够用了。

5. 用 Python “看见”音色

5.1 环境准备

这一章我们用 Python 合成不同的音色，并绘制它们的波形、频谱和频谱图。

环境建议：

• Python 3.8 或更高版本；
• numpy，用于数组计算；
• scipy，用于 FFT 和 WAV 文件读取；
• matplotlib，用于绘图。

安装命令：

pip install numpy scipy matplotlib

如果你用的是 Anaconda 发行版，以上三个库通常已经内置，直接使用即可。

版本需要根据你的项目实际情况调整，本文示例以常见环境为例，重点演示分析思路。

5.2 合成三种音色

我们先用正弦波叠加的方式合成三个乐音，基频都设置为 220 Hz，对应 A3 这个音，但谐波结构不同。

新建一个 Python 文件tone_analysis.py，内容如下：

import numpy as np import matplotlib.pyplot as plt from scipy.fft import rfft, rfftfreq # 全局参数 SR = 22050 # 采样率，单位 Hz DURATION = 1.0 # 音长，单位秒 F0 = 220.0 # 基频，A3 def synth_tone(partials, f0=F0, duration=DURATION, sr=SR, decay=0.0): """ 用正弦波叠加合成乐音。 partials: 列表，每个元素为 (倍频数, 幅度, 相位) decay: 指数衰减系数，0 表示不衰减 """ t = np.linspace(0, duration, int(sr * duration), endpoint=False) y = np.zeros_like(t) for mult, amp, phase in partials: y += amp * np.sin(2 * np.pi * f0 * mult * t + phase) if decay > 0: y *= np.exp(-decay * t) return t, y # 1. 纯正弦波：只有基频 t_pure, y_pure = synth_tone([(1, 1.0, 0)]) # 2. 模拟钢琴音色：基频强，高频谐波快速衰减，整体带指数衰减 piano_partials = [ (1, 1.00, 0), (2, 0.50, 0.2), (3, 0.25, 0.5), (4, 0.12, 1.0), (5, 0.06, 1.5), ] t_piano, y_piano = synth_tone(piano_partials, decay=1.5) # 3. 模拟弦乐音色：谐波更多，衰减更慢，保留更多高频 string_partials = [ (1, 1.00, 0), (2, 0.80, 0.1), (3, 0.60, 0.3), (4, 0.45, 0.6), (5, 0.30, 1.0), (6, 0.20, 1.4), (7, 0.12, 1.8), (8, 0.08, 2.2), ] t_string, y_string = synth_tone(string_partials, decay=0.5) print("合成完成，信号长度:", len(y_pure))

这段代码的核心是synth_tone函数。它把一组正弦波叠加在一起，再乘上可选的指数衰减包络。谐波结构通过partials列表控制，这是理解“音色 = 频谱”的实验基础。

5.3 画波形与 FFT 频谱

接着，在同一个文件后面添加绘图函数：

def plot_wave_and_spectrum(t, y, title): fig, axes = plt.subplots(2, 1, figsize=(12, 8)) # 上半部分：时域波形 axes[0].plot(t[:2000], y[:2000], lw=0.8) axes[0].set_title(title + " - 时域波形") axes[0].set_xlabel("时间 (s)") axes[0].set_ylabel("振幅") axes[0].set_xlim(0, 2000 / SR) # 下半部分：FFT 幅度谱 N = len(y) freqs = rfftfreq(N, 1 / SR) mag = np.abs(rfft(y)) # 只显示 0~4000 Hz 范围，便于观察谐波结构 mask = freqs <= 4000 axes[1].stem(freqs[mask], mag[mask], basefmt=" ", markerfmt="C1o") axes[1].set_title(title + " - FFT 幅度谱") axes[1].set_xlabel("频率 (Hz)") axes[1].set_ylabel("幅度") axes[1].set_xlim(0, 4000) plt.tight_layout() plt.savefig(title.replace(" ", "_") + ".png", dpi=150) plt.show() plot_wave_and_spectrum(t_pure, y_pure, "Pure Sine 220Hz") plot_wave_and_spectrum(t_piano, y_piano, "Piano Like 220Hz") plot_wave_and_spectrum(t_string, y_string, "String Like 220Hz")

注意这里使用了scipy.fft模块的rfft，它针对实数序列做了优化，只输出非负频率部分。rfftfreq则生成对应的频率轴坐标。

运行后，你会看到：

• 纯正弦波的频谱只有一根谱线，位于 220 Hz；
• 模拟钢琴音在 220、440、660、880、1100 Hz 处各有谱线，且幅度逐级下降；
• 模拟弦乐音拥有更多谐波，幅度衰减更慢。

这正是音色差异的可视化证据。三个声音基频相同，所以音高相同；谐波结构不同，所以音色不同。

5.4 用频谱图观察音色随时间的变化

上面看到的频谱是整段信号的静态统计。钢琴音的衰减包络、弦乐音更有持续性的特点，需要用频谱图来观察。

pylab 风格的specgram函数底层就是短时傅里叶变换（STFT）。添加如下代码：

def plot_spectrogram(y, sr, title): plt.figure(figsize=(12, 5)) plt.specgram(y, NFFT=1024, Fs=sr, noverlap=512, cmap="magma") plt.title(title + " - 频谱图") plt.xlabel("时间 (s)") plt.ylabel("频率 (Hz)") plt.ylim(0, 4000) plt.colorbar(label="幅度 (dB)") plt.tight_layout() plt.savefig(title.replace(" ", "_") + "_specgram.png", dpi=150) plt.show() plot_spectrogram(y_pure, SR, "Pure Sine 220Hz") plot_spectrogram(y_piano, SR, "Piano Like 220Hz") plot_spectrogram(y_string, SR, "String Like 220Hz")

频谱图中，横轴是时间，纵轴是频率，颜色深浅代表该时刻该频率的能量大小。

你能清楚看到钢琴音在开头的高频能量比较明显，后面整体衰减；弦乐音维持时间更长；纯正弦波则从头到尾只有一条稳定的横线。

如果将来做音乐合成、乐器识别或音频混音，掌握频谱图比只看静态频谱更有用，因为它保留了时序信息。

5.5 分析一段真实音乐文件

合成的音色虽然便于理解，但分析真实音频更有成就感。你可以用手机录制一段钢琴长音，或者下载一段免版权乐器采样，保存为 WAV 文件。

分析代码如下：

from scipy.io import wavfile def analyze_wav(path): sr, data = wavfile.read(path) # 如果采样率过高，可以降采样到 22050，方便计算 if sr > 22050: step = sr // 22050 data = data[::step] sr = 22050 # 如果是立体声，取左声道 if data.ndim > 1: data = data[:, 0] # 归一化到 [-1, 1] if np.issubdtype(data.dtype, np.integer): data = data / 32768.0 # 取前 2 秒进行分析 data = data[:int(sr * 2)] plot_wave_and_spectrum( np.linspace(0, len(data) / sr, len(data), endpoint=False), data, "Real Audio" ) # 将下面路径换成你自己的 wav 文件 # analyze_wav("piano_a3.wav")

这段代码兼容常见 16 位整型 WAV 文件。如果你录制的文件采样率比较高，它会先降采样到 22050 Hz，再做频谱分析。

一个值得做的实验是：分别录制同一个人说“啊——”和“咿——”，然后看频谱图。你会发现虽然都是同一个人的声音，基频可能差不多，但高频谐波的分布完全不同。这就是人耳区分元音的原理，也是语音识别中频谱特征的起点。

6. 从频谱到乐理：泛音列、协和音程与十二平均律

6.1 泛音列：每种乐器都自带一把“频率尺子”

现在你已经知道，一个乐音通常包含基频和一系列谐波。把这些谐波按频率高低排列，就是泛音列：

基频 f, 2f, 3f, 4f, 5f, ...

这个序列不是任意虚构的，而是物理振动的自然结果。琴弦振动时，不仅整根弦振动，还同时进行二分之一段、三分之一段、四分之一段……的局部振动。这些振动模式叠加，就形成了谐波频谱。

泛音列对乐理非常关键，因为很多音程关系直接来自泛音列中的频率比：

• 八度：频率比 2:1，也就是基频与二次谐波的关系；
• 纯五度：频率比 3:2，接近基频与三次谐波的关系；
• 纯四度：频率比 4:3；
• 大三度：频率比 5:4。

当两个音同时发声时，如果它们的频率比接近这些简单整数比，频谱中的谐波会大量重合，人耳会感到稳定、融合。这就是协和音程的物理基础。

6.2 协和音程为什么协和

假设你同时演奏 220 Hz 和 330 Hz 两个音，它们分别有自己的谐波序列：

• 220 Hz 的谐波：220, 440, 660, 880, 1100, ...
• 330 Hz 的谐波：330, 660, 990, 1320, 1650, ...

两者在 660 Hz 处出现重合，而且很多谐波互相交织，听起来是融合的。

再试试 220 Hz 和 305 Hz。谐波序列几乎不重合，频率差会产生明显的拍频和粗糙感，听起来比较刺耳。

所以“协和”不是玄学，而是两个信号的谐波结构在频谱上有没有大量重叠。这个解释对理工生来说，比“听起来舒服”要有说服力得多。

6.3 十二平均律：一次精妙的近似

泛音列给出的是纯律音程，频率比是精确的整数比。但纯律有一个问题：如果严格按照 3:2 搭音阶，转调时会积累误差，演奏不同调式需要重新调音。

十二平均律的解决方案是：把八度平均分成 12 个半音，每个半音的频率比是：

2^(1/12) ≈ 1.059463

这样一来，任何调式都采用同一套音阶体系，转调变得非常方便。代价是少数音程与纯律有微小偏差。

比如纯五度在纯律中是精确的 3:2 = 1.5，而在十二平均律中是 2^(7/12) ≈ 1.4983，偏差很小，人耳几乎察觉不到。

理解这一点，你就知道钢琴为什么能用一套键盘弹所有调式了。本质上，十二平均律是用“轻微的频谱失配”换来了“极大的转调便利”，这是乐器设计史上最重要的工程决策之一。

7. 常见误区与排查思路

7.1 四个高频误区

初学阶段，以下四个误区最容易出现：

最后一条很多做音频的工程师都踩过坑。电话语音带宽有限，基频可能被滤掉，但人耳照样能从谐波间隔中推断出音高，这叫“虚拟音高”现象。

7.2 分析频谱时的环境自检

如果你用 Python 分析音频时发现结果不对，按以下顺序排查：

1. 检查采样率是否设置正确。采样率错误会导致频率轴整体偏移。
2. 检查数据是否归一化。整型 WAV 不归一化直接做 FFT，频谱会偏大。
3. 检查 FFT 窗口长度。窗口太短，低频分辨不出；窗口太长，瞬态变化被抹平。
4. 检查是否只取了单声道。立体声不处理会得到混合结果，谐波结构可能不清晰。
5. 检查是否有直流偏置。如果波形整体不在零轴附近，频谱的 0 Hz 处会出现巨大峰值，影响观察。

8. 工程实践建议：从理论学习到真实项目

8.1 用频谱思维做调音与混音

理解了频谱，再回来看音乐制作中的 EQ（均衡器），理解就会完全不同。

EQ 的本质就是对频谱的不同频段做增益或衰减。混音中常说“让吉他在 2kHz 处避开人声”，背后就是在频域上给两个乐器划清界限，减少遮挡感。

做混音时，可以先用频谱图分析所有轨道，找出冲突频段，再针对性 EQ。这个工作流比凭耳朵盲调更高效，尤其对刚开始接触混音的新手。

8.2 频谱分析相关工具链

除了 Python，工程中常用的频谱分析工具还有：

• Audacity：开源音频编辑器，自带频谱图和频谱分析功能；
• iZotope RX / Ozone：专业音频修复和母带处理工具，频谱可视化做得非常好；
• Spek：轻量级频谱查看器，适合快速查看音频文件频谱；
• SoX：命令行音频处理工具，可以输出频谱数据，适合批量处理。

采样率、FFT 点数、窗函数类型，这些参数在不同工具中都有对应设置。建议结合播放试听，把“频谱长什么样”和“听起来什么样”联系起来，逐步建立听觉与视觉的映射。

8.3 嵌入式频谱显示项目要点

如果你对硬件感兴趣，做实时频谱显示是一个很有意思的入门项目。常见方案是先用 ADC 或 I2S 采集音频，再用 FFT 计算幅度谱，最后把频谱画到 OLED、LCD 或 LED 点阵屏上。

以 STM32F407 为例，可以使用 ARM CMSIS-DSP 库中的arm_rfft_fast_f32完成实数 FFT，1024 点 FFT 在 168 MHz 主频下耗时很短，可以轻松达到实时刷新。ESP32 平台则可以借助 arduino-esp32 的 DSP 库或者直接调用 ESP-DSP 库。

做这类项目时，几个工程要点需要提前考虑：

• 采样率与 FFT 点数决定频率分辨率，公式是 fs / N。比如 1024 点、44100 Hz 采样率，频率分辨率约 43 Hz，低频段会显得很粗。
• 输入信号需要加窗函数。矩形窗频谱泄漏严重，汉宁窗适合大多数音乐信号。
• 显示上限频率要结合奈奎斯特定理，最高只能显示采样率的一半。如果是 44.1kHz 采样，超过 22.05kHz 的频率都是混叠伪影。
• MCU 内存紧张时，可以改用定点 FFT 或分段处理，避免一次性加载全部音频数据。

这类项目不需要很顶级的硬件，但能让你把本文的傅里叶变换知识真正落地成可触摸的东西。

9. 总结与下一步学习路线

这篇博客从一个有点反传统的角度切入乐理：先把音色翻译成频谱，再用频谱去理解乐理中的协和、不协和和调律体系。核心收获可以浓缩成几条：

• 声音三要素中，音高对应基频，音量对应幅度，音色对应谐波结构；
• 傅里叶变换把时域波形变成频域频谱，FFT 让这个变换在工程上可用；
• 幅度谱是音色的主体，相位和包络决定细微差异；
• 泛音列中的整数比关系，解释了协和音程的物理来源；
• 十二平均律是用近似换转调便利的工程折中。

下一步可以按这个路线继续深入：

1. 用傅里叶变换分析更多真实乐器声，建立常见音色频谱特征的感性认识；
2. 学习短时傅里叶变换（STFT）和小波变换，掌握非平稳信号分析；
3. 尝试 AUDACITY 或 Python 处理自己的录音，做 EQ 和滤波实验；
4. 学习基本乐理体系时，随时追问“这个规则对应的频谱规律是什么”。

如果你只做一件事，建议合成一段“基频相同但谐波不同”的声音对比。耳朵听到的差异，和眼睛看到的频谱差异一一对应，这种体验会让你彻底记住“音色 = 频谱”这句话。

如果本文对你有帮助，可以收藏备用，也欢迎在实际动手遇到报错时回来对照排错。祝你在“理工生学乐理”这条路上，找到属于自己的频率。