Nasze wyobrażenie o brzemieniu danego instrumentu, bądź grupie instrumentów rozlokowanych w określonej przestrzeni akustycznej jest ściśle związana z naszym doświadczeniem. Gdybyśmy nigdy nie słyszeli naturalnego brzmienia np. skrzypiec lub fortepianu, nigdy nie moglibyśmy określić - słuchając muzyki w domu - co tak naprawdę w danej chwili gra. Podstawą jest więc doświadczenie, zarówno akustyczne jak i... wzrokowe. Każdy wie, że dany instrument najlepiej wybrzmiewa w specyficznym dla niego otoczeniu (akustyce) i w odpowiedniej odległości od słuchacza. Wiadomo, że fortepianu nie słucha się z dwóch metrów, natomiast taka odległość od np. fletu nie stanowi problemu. Wynika to nie tylko z głośności, jaką potrafi wygenerować dany instrument, ale także z jego barwy i - po prostu - z fizycznych rozmiarów. Fortepian jako źródło dźwięku jest dość duży, ilość poszczególnych "sub-źródeł" (strun, młoteczków) jest spora i dlatego pełnię brzmienia instrument ten osiąga dopiero ze sporej odległości (choć niektórzy realizatorzy dźwięku bardzo lubią tzw. dźwięk bliski, "pudło" tego instrumentu. Jest to więc także wybór pewnej estetyki). Flet natomiast, jako bardzo małe źródło dźwięku musi być słuchany z dość bliska, a szczególnie podczas grania wśród innych instrumentów.

Do dalszych rozważań potrzebne więc będzie wprowadzenie pojęcia orientacji odległościowej, czyli zespołu cech umożliwiającą lokalizację przestrzenną. Czynniki kształtujące nasze wyobrażenie o odległości źródła dźwięku to:
- kształt czoła fali (jej stromość maleje z odległością na skutek rozpraszania energii dźwiękowej w ośrodku, i tłumienia fali);
- głośność znanych źródeł;
- stosunek natężenia dźwięku bezpośredniego do dźwięków odbitych;
- barwa dźwięku znanych źródeł (słuchane z bliska brzmią jaśniej, z pewnej odległości bardziej matowo w wyniku tłumienia wyższych częstotliwości przez powietrze);
- doświadczenie słuchowe - wiązanie zjawisk akustycznych i wizualnych.

Cechą charakterystyczną dźwięku muzycznego jest jego zmieniający się przebieg w czasie. Przebieg (widmo) danego instrumentu najlepiej zobrazować na przykładzie obwiedni głośności, czyli krzywej łączącej wierzchołki drgań (maksymalne wychylenia).

Przy jej analizowaniu można wyróżnić cztery odcinki:
- narastanie ("attack") jest stanem przejściowym, wynikającym z pobudzenia elementów drgających instrumentu do wydzielania dźwięku lub przepływu energii z jednego elementu (np. struny) do innego (np. pudła rezonansowego). W okresie narastania barwa, a nawet charakter dźwięku mogą być inne niż w następującym później okresie trwania dźwięku ("sustain");
- opadanie jest stanem przejściowym między narastaniem a trwaniem dźwięku. W dźwiękach wielu instrumentów muzycznych ten fragment nie występuje w ogóle;
- trwanie dźwięku jest to stan quasi-ustalony, w którym instrument emituje określony dźwięk. Czas trwania tego fragmentu wynosi od 0,1s do kilku sekund.

Czas narastania dźwięku jest różny dla różnych instrumentów. Bardzo krótkie czasy narastania mają instrumenty pobudzane uderzeniem oraz instrumenty elektroniczne. Również rozpiętość czasu zanikania ("release") dźwięku jest bardzo duża i wynosi od kilkudziesięciu milisekund do kilku sekund.

Ważną cechą dźwięków muzycznych jest ich wysokość. Dwa dźwięki o częstotliwościach podstawowych pozostających w stosunku 2:1 brzmią podobnie, chociaż rozróżnienie, który z nich jest wyższy, a który niższy, nie przedstawia trudności. Dwa takie dźwięki tworzą interwał oktawy. Skala muzyczna jest podziałem oktawy na mniejsze części interwałowe. Przyjęty podział logarytmiczny dzieli oktawę na 12 części, które nazywamy półtonem temperowanym.

Wspominając o wysokości danego dźwięku należy pamiętać, że nasze wrażenie zmiany wysokości dźwięku zależy od tego, ile razy częstotliwość danego dźwięku jest wyższa od poprzedniego, a nie o ile herców. Zmianie wysokości o oktawę odpowiada podwojenie częstotliwości. I tutaj warto dodać, że nie należy się zbytnio przejmować pasmem przenoszenia naszych kolumn głośnikowych (czy pasmo sięga 15 czy 20kHz), gdyż jest to różnica zaledwie kwarty (1/2 oktawy) przy całym obszarze słyszalności obejmującym 10 oktaw i to w dodatku w zakresie, w którym bardzo rzadko występują jakiekolwiek dźwięki generowane naturalnie. Bo chociaż nasz słuch jest w stanie odebrać zakres częstotliwości w zakresie ok. 20-20000Hz, to w rzeczywistości ten zakres jest wykorzystywany nadzwyczaj rzadko.

CMC