首先，声音就是震动和震动的传播而振动频率每秒钟振动次数，代表了声音的高低，震动越快，音高越高每一个音和他的八度音，振动频率都是2倍的关系，每升高一八度，振动频率翻倍，振动频率翻倍意味着，低八度音 a1完成一次一个周期震动时，高八度音 a2刚好完成两两个周期，震动，分毫不差，融合度极高，但依然是两个不同的音如果是相差两个或以上八度，即1：4以上的震频比，分离度会显著上升。我们听到的所有音，都是由一个基频和一大堆泛音组成的。例如中央c，小字一组c，基频为261.6Hz，泛音是1、5、1、3、5、b7、1、2、3、4。而相差两个八度的音，其泛音列也是不同的插一嘴：人对4000Hz左右的声音最敏感，而这个频段正好处在自然界绝大多数乐音的泛音列上而不是基音上：也就是说，其实，平常，我们是靠听泛音列来分辨音色的。所有谐波震荡中频率最小者称为基本频率，而基频高低决定了乐器弹奏此音符的音高。几乎所有乐器除了可发出基频音以外亦会伴随着较高频的声音，称为泛音。在有明显音高的乐器中，弦或空气管之间会有因反射而造成波长相同、行进方向相反的波，而因为这些彼此互相干涉而产生波长、频率不同的谐波，在音乐上的名词即为泛音。而泛音列的波长分别为弦长或是空气管长的1/2、1/3、1/4、1/5、1/等倍。参考驻波可了解其原理。理论上，泛音的频率分别为基频的2、3、4、5、6等倍。但是根据介质的物体特性，空气介质振动往往会改变原先泛音的频率。然而，这些特性除了对频率的精确度有影响外，听觉上的影响甚小。因此可合理地说泛音的频率为基频的整数倍。
换句话说，基本上自然界的万事万物发出响声，都会包含着一个 全长琴弦、嗓子、空气柱。震动，以及至少一个 半长度，即倍频震动。这里才是重点，自然界所有声音基本都有这样的特点，整体上，生物从有听觉那一天进化到现在。个体上，每个人从出生到现在。都是一直听着这样的声音过来了，早就适应了，某个音和他的倍频音就是最符合“自然规律”的，当然也就最让人舒服，听起来最自然了。除了这个之外，通过第二泛音找到的五度音也是相当的自然舒服，当然比不上八度音。然后，正式因为这些音听起来自然，才会导致人们认为琴弦长度减半、频率翻倍的那个音和原本的音太过相似，干脆就叫同一个名字好啦的这种结果。
因为每隔一个八度频率刚好翻一倍。人总是对频率为倍数关系的音有特别的感觉，觉得它们好像天生是一样的，能合在一起，事实上是因为物体以某个频率振动时会同时发出两倍或者若干倍频率的振动，这就是泛音。人总是听到这种现象所以就习惯了，所以觉得频率每翻一倍好像又“回到”了之前的那个音，至于八度不八度的只是一种划分方法，人把频率a到频率2a这个区间可以分隔成各种样子，像十二平均律，或者分隔成八度，或者五度都可以。说一个不包含主观定义的音乐概念的答案：当一个音频率是另一个音频率的两倍时，大脑会觉得这两个音很相似。
