声音本质上是机械振动在介质中传播的波。扬声器振膜前后振动时推动周围空气分子，形成疏密交替的区域——压缩区和稀疏区。这些疏密变化以波的形式向四面八方传播，到达人耳时使耳膜产生相同的振动，最终被大脑解读为"声音"。声音必须在介质中传播，真空中扬声器振膜振动得再剧烈也没有声音。在空气中声速约343米每秒（20摄氏度时），在水中约1500米每秒，在钢中可达5000米每秒。这一基本事实决定了音响系统设计中的大量取舍——比如为什么低音炮摆位那么讲究，因为低频波长太长房间尺寸对它来说"空间太小"。
频率是指振动物体每秒钟振动的次数，单位赫兹。每秒振动一次就是1Hz，一千次就是1kHz。频率越高人耳感知到的音调就越高。人耳可听范围大约20Hz到20kHz。20Hz是最低沉的隆隆声——管风琴的最低音、地震的次声波边缘。20kHz是尖锐的昆虫鸣叫——大多数成年人实际只能听到15到18kHz左右，随年龄增长高频听力会进一步下降。在音乐中标准音A4等于440Hz。低音提琴最低音约41Hz，钢琴最高音约4186Hz。人声频率范围：男低音约80到350Hz，女高音约250到1200Hz。这些数据直接决定扬声器单元的设计目标——低音单元要能推动大量空气（大振膜、长冲程），高音单元要能快速振动（轻振膜、小振膜）。
波长是一个完整周期内声波传播的距离，公式极其简单：波长等于声速除以频率。因为声速基本固定（343米每秒），所以频率越低波长越长。20Hz的波长达17.15米——一个典型的听音室长度才四五米，根本无法容纳一个完整的低频波长。这正是房间驻波问题的根源：低频声波在有限空间中来回反射某些频率被增强某些被抵消。
对比不同频率的波长：20Hz对应17.15米比普通房间还长。100Hz对应3.43米。1kHz对应34.3厘米。10kHz对应3.43厘米。20kHz对应1.72厘米。波长决定了声波与物体的互动方式——当障碍物尺寸远大于波长时声波被遮挡形成声影区；当尺寸与波长相近时发生衍射声波绕过障碍物；当远小于波长时声波几乎不受影响。这就是为什么高音需要"直视"（波长小容易被遮挡）而低音基本无指向性（波长大轻松绕过障碍）。
相位描述的是波在时间轴上的位置，用角度（0到360度）或弧度表示。两个完全相同的声音如果在相位上完全一致（0度相位差）会叠加，同相叠加时声压级增加约6dB。反相（180度相位差）时互相抵消。相位问题无处不在：立体声系统中两个音箱反相连接会导致低频消失——左右声道低音互相抵消；低音炮和主音箱的相位匹配直接影响低频衔接平顺度；房间反射声引起的梳状滤波本质上就是直达声和反射声之间的相位干涉；分频器设计需要精确控制高低音单元在分频点附近的相位关系。相位本身不是一个"可闻"的参数，但相位错误导致的干涉效应——频响峰谷、声像偏移、低频缺失——是极其可闻的。
幅值描述振动的剧烈程度，对应于声波传播时空气分子偏离平衡位置的最大距离。幅值越大声压变化越剧烈听到的声音越响。声压级用分贝表示，参考基准是人耳在1kHz能听到的最微弱声音——20微帕斯卡。0dB SPL是人耳听阈，120dB SPL是痛阈，两者之间的压力比高达一百万比一。幅值与响度之间不是线性关系而是对数关系——这就是为什么用dB这个对数单位来表示声压级。物理声压每增加一倍声压级增加6dB，但人耳感觉到的大约只是"大了一点点"。需要约10dB的变化才感觉"响了一倍"。
声音在环境中传播时会发生四种基本现象。反射：声波遇到大而硬的表面按入射角等于反射角反弹，早期反射声（50毫秒内到达）是声场感的重要来源但过强的反射会导致梳状滤波和声像模糊。吸收：声波在疏松多孔材料中因空气摩擦转化为热能，多孔材料对中高频吸收好低频需要很厚的材料或共振结构才有效。扩散：将反射声均匀散射到多个方向避免镜面反射造成的聚焦和声染色，良好的扩散既能保持房间的"活生感"又不产生声染色。衍射：声波绕过障碍物，低频极易衍射绕过箱体角落高频基本直线传播——这就是高音单元需要精确指向低音不需要的原因。
频率决定单元怎么搭配，波长决定摆位怎么调，相位决定系统怎么接，幅值决定功放和灵敏度怎么选。掌握了这四个基本概念，看音箱参数、系统连接、房间处理就不再是看天书。