同一の調律（例えば基準周波数である440Hzの「ラ / A4」）に合わせ、同一の音圧で発音したとしても、人の声、アコースティックギター、トランペットの音はまったく異なるキャラクターとして知覚されます。「なぜ人間は音の違いを聞き分けられるのか」という問いの核心は、波の形状、すなわち波形（Waveform）の差異に帰着します。
自然界に存在するほぼすべての音は、単一のサイン波（純音）ではありません。音の骨格となる最も低い周波数の「基本波」の上に、その整数倍の周波数を持つ無数の倍音成分（高調波）が複雑に重なり合って構成されています。バイオリンの弓が弦を擦る瞬間の鋭いノイズ成分、ピアノのハンマーが弦を打つ打撃音、人の声帯の振動が口腔や鼻腔で共鳴するフォルマント構造など、それぞれの発音機構固有の「倍音の含まれ方と時間的減衰」が合成された結果、固有の波形が生み出されます。
日本音響学会の学問的知見やスタジオ録音エンジニアへの聞き取り調査でも、「演奏者のタッチや楽器の個体差とは、基本周波数の外側に分布する数kHz帯域の高調波エネルギーの比率変化そのものである」と指摘されています。人間の脳はこの波形の微細な違いを瞬時にスペクトル分解し、「これはバイオリンの音」「これは親しい人物の声」と認識しているのです。
