所谓听觉就是人们对声音的主观反应。我们知道，任何复杂的声音都可以用声音的三个物理量来描述:幅度(声强或声压)、频率和相位。但对于人耳的感觉来说，声音是用另外三个量来描述的，即响度、音调和音色，这就是我们通常所说的“声音三要素”。此外，人耳还能分辨出声音的方向和到达人耳的距离等。
一、响度
声音的响度与声波的振幅(声压)有关，对于同一频率的信号而言，声压越大，响度也越大。但是人耳对不同频率的声音的响度感觉(灵敏度)是不一样的，也就是说，对于频率不同而声压相同的声音，会感觉到不同的响度。在3～4千赫频率范围内的声音容易被感觉(灵敏度较高)，而较低或较高频率范围内的声音就不容易被感觉。描述等响度条件下声压级与频率的关系曲线称为等响度曲线。
在同一条等响度曲线上的不同单位是分贝(dB)频率、不同声压级的纯音信号，给人的响度感觉是一样的。例如:50分贝/100赫的纯音和40分贝/1千赫的纯音等响，因为两者位于同一条等响曲线上，也就是说要想让100赫的低音和40分贝/1千赫的中音听起来一样响，就必须让100赫的信号比1千赫大10分贝。从其中我们可以得出以下几点简单的结论:
1、人耳对不同频率声音的灵敏度是不一样的。具体来讲，对于3～4千赫声音的灵敏度较高，随着频率向3～4千赫两端升高和降低，总的趋势是灵敏度降低。
2、人耳对不同频率声音的灵敏度还与声压的大小有关，随着声压的降低，人耳对低频和高频的灵敏度都要降低，特别是对低频声更为明显。这就是为什么当我们将音量开得较小(即在低声压级情况下)时，即使节目中已有较多低音成份，但听起来仍感到低音不足，一旦把音量开大(声压级大致在80分贝以上)，就会感到低音比较丰富的道理。
由等响曲线可知，若声音以低于原始声(录音时)的声压级重放，由需要通过均衡器来提升低音和高音以保证原有的音色平衡。例如一个乐队演奏，假如低频声和高频声都以100分贝左右录音，因为这时的等响度曲线差不多是平直的，所以低音和高音听起来有差不多的响度。如果重放时的声压级较低，例如50分贝，这时50赫的声音刚刚能听到，而1千赫的声音听起来却有50方响，其它不同频率的声音都有不同的响度级，因此听起来就感觉到低频声和高频声都损失了，也就是原来的音色已经改变了。这时要想让50赫的声音听起来与1千赫的声音有大致相同的响度，必须将其提升20分贝左右。由此可见，等响度曲线是我们使用均衡器的重要依据之一。
二、音调
音调又称音高，是人耳对声音调子高低的主观评价尺度。音调的高低主要决定于频率，频率越高，音调越高，频率越低，音调越低。但是音调和振幅的大小也有一定的关系。
人耳对音调变化的感受不是线性关系，而是对数关系。也就是说，音调感觉是由于频率的相对变化而形成的，即不论原来频率是多少，相同倍数的频率变化对人耳总是产生相同音调变化的感觉。例如把频率增加一倍，比如从100赫变为200赫或从1千赫变为2千赫，音调变化在听觉感受上都是一样的，即提高了所谓的“八度音”，又称为“倍频程”。正是因为音调变化和频率相对变化的对数(或倍数)成正比，所以在表示频率的曲线图中，频率坐标常采用对数尺度，图形均衡器中的中心常按“1/2倍频程”或“1/3频程”设定的原因也是如此。
乐器每发出一个音，这个音除具有基频f0外，还有与f0成整数倍关系的谐波。每个音的音调感觉由f0决定，而各次谐波则决定乐音的音色。有时f0的振幅甚至比头几次谐波(如f1、f2、f3...)的振幅还小些，但fo0决定音调的作用丝毫没有减弱。
人耳对音调的感觉也受振幅的影响。当振幅较大时，耳膜受到较大的刺激而有变形，从而影响到神经对音调的感受。一般来说，响度增加时，人耳感到音调有所降低，频率愈低，感到降低愈多。
三、音色
人耳除对响度和音调有明显的辨别能力外，还能准确判断声音的音色。不同乐器的频率构成大不相同，比如，小提琴和钢琴即使演奏同样高音的音符，人们还是能迅速分辨出哪个是钢琴的声音，哪个是小提琴的声音，而不至于相互混淆。这是因为它们在演奏同一音符时基音虽然相同，但它们的谐波成分(泛音)不论是在数量上、频率上还是强度上都是非常不同的缘故。正是由于这些谐波的不同组成，才赋予每种乐器特有的音色。音色主要和声音的频率结构有关。事实上，乐器的振动绝大多数都不是简单的简谐振动，而是由许多个不同的简振动叠加而成的，并且这些简谐振动的振动频率之间满足整倍数关系。其中，最低的一个频率称为基频，基频对就应的简谐波称为基波，频率是基频整数倍的简谐波称为谐波，在音乐词汇中被称为泛音。正是由于谐波的不同组成比例，才赋于各种乐器、人声以特有的音色。如果没有谐波成分，单纯的基音简谐信号是没有音乐感的。
在传声过程中，为了使声音逼真，必须尽量保持原来的音色。如果声音中某些频率成份被放大或缩小，就会引起音色的变化。有时为了某种特殊的需要，利用均衡器对音色作适当的调整也是可以的。由此可见均衡器能对音色作一些必要的修饰和调整。这是均衡器使用的又一重要依据。
四、哈斯效应
哈斯在实验中发现，如果两个不同的声源发出同样的声音，在同一时间以同样的强度到达听众时，则主观感觉是声音来自两个声源之间;如果其中一个略有延时(约5～35毫秒)，听起来两个声音都来自未延时声源，延时声源的存在对方向定位没有影响，只是增加了响度;如果延时在35～50毫秒之间，则延时声源的存在可以被识别出来，但其方向仍在未延时的声源方向;只有延时超过50毫秒时，第二个声源才象一个清晰的回声一样被听到。由此可见，如果在50毫秒(1/210秒)以内出现两个相同的声音，一般是不能区分出来的，仅能觉察到音色和响度的变化，如果让第二个声音延迟50毫秒以后再出现，而且有足够的响度，我们就可以把它们区分出来。这种效应应用于室内扩音系统，可以在分布式扬声器系统的声场中，保证听众视觉和听觉的一致性。
在厅堂内如果反射声和直达声的声程差大于17米，而房间吸声效果又不好，就会产生回声，从而破坏语言的自然度和可懂度。另外，在较大的厅堂内，为了保证声场的均匀度，往往在后场设有辅助音箱，这时对于后排就坐的听众而言，如果台口主音箱到他的距离比后场辅助音箱到他的距离大12米(相当于来自台口主音箱的声音比来自后场辅助音箱的声音延迟35毫秒)，他就会感到声音来自后场，此时，为了保证听众视觉与听觉的一致就必须给后场辅助音箱加装延时器。还需要说明一点，就是我们上面始终是假设两个声源的音量相同，实际上，如果延时不超过20～30毫秒，则可通过衰减领先声道的音量(或增加滞后声道的音量)，来改变声像的位置。
五、方向感
听音时，人们都能够用耳朵判断出声音方向，确定声源所在的位置。这是因为我们有两只耳朵(所谓“双耳效应”)，双耳间距大约是20厘米，来自同一声源的声音到达两耳时，在时间、强度和相位等方面都存在着差异，正是从这种差异里，我们完成了“声像”的定位。
人耳长在头部两侧，对于左右水平方向的方位分辨能力要比上下竖直方向的分辨能力强得多，通常可以分辨出水平方向5°～15°的变动，但在竖直方向，有时要大于60°才能分辨出来。
听觉上具有方向感这一特性，使我们在一片嘈杂的环境下有可能“全神贯注”地听出来自某一个方向的一个比较特殊的声音来，如果我们把一耳塞住，用单耳收听，上述方向感就会消失，这时听音受环境干扰严重，声音含混不清。利用听觉的方向感这一特性，要求我们在厅堂内布置扬声器时，要尽可能地保证“视”、“听”的方向一致，就是说要让耳朵听到的声源和眼睛看到的声源来自同一个方向。这就要求我们尽量采用“集中式”扩声系统——将音箱集中在舞台两侧，并使音箱在水平方向尽量靠近声源，至于它在垂直方向位置的高低，往往影响较小。
这里顺便提一下，什么是立体声?所谓立体声是指人们能听出声源在空间分布的一种还音方式。立体声就是根据人的双耳效应而发展起来，现在最简单而实用的立体声就是双声道立体声，它利用两只音箱重放声音，人们可以通过两只音箱的声音到达人耳的相对强度、时间差和相位差而听出声源在两只音箱之间的分布。因此我们只要调节两只音箱中声音的相对强度、延时时间和相位就能改变声像的定位。如果要想重放出声源在整个平面上的分布就必须使用环绕立体声，要实现环绕立体声通常需要四个声道，杜比立体声就是这种立体声的一个最好代表。现在我们用的环绕声处理器能将普通的双声道立体场转化为四声道的环绕立体声，其实这只是一种模拟，是一种伪环绕声，它并不能真正重现出声源的真实位置。必须强调的是:不要以为简单地多装几只扬声器就是立体声，尽管这样做有可能使声音听起来更加丰满圆润，其实之只是一种类似的混响效果。
此外，人耳还能根据音质的差别，分辨出声源的距离，即人耳不仅有“定向”能力还有“定位”能力。
六、多普勒效应
当声源与听者彼此相对运动时，会感到某一频率确定的声音的音调发生变化。例如火车开过来时听到的汽笛声是频率稍高音调，反之火车离开时就听到频率稍低的音调。这种现象称之为多普勒(Doppler )效应。
当声源以一定的速度运动而听者静止时，声强(声压)也有类似的变化，移近的声源在同样距离上要比它不移动时产生的强度。移开的声源产生的强度要小些。
七、噪声对清晰度的影响
卡拉OK厅中遇到的噪声主要有电噪声和环境噪声两种类型。其中电噪声又可以分为热噪声、交流噪声、感应噪声和记录媒体的本底噪声，但是近年来，随着电子技术的迅速发展，新的数字记录方式的出现和大量进口性能优良的设备，电噪声中的热噪声和记录媒体的本底噪声已经变得不太明显，所以电噪声主要是由于接线中的屏蔽或接地不良引起的交流噪声和感应噪声，这些可以通过改进接线工艺或使用噪声门进行抑制。所以在这里我们着重讨论环境噪声对清晰度的影响。
噪声的存在会使人们对目标声音的听力下降，即产生所谓的“掩蔽现象”，它不仅取决于噪声的声压大小，而且与它的频率成份和频谱分布密切相关。简单地说，主要有以下几个特点:
1、低频声，特别是在响度相当大时，会对高频声产生较明显的掩蔽作用。
2、高频声对低频声只产生很小的掩蔽作用。
3、掩蔽声与被掩蔽声的频率越接近，掩蔽作用越大，当它们的频率相同时，一个声对另一个声的掩蔽作用达到最大。
由此可见，低频噪声(例如通风机噪声)和人声是构成千扰的主要声源。一般来讲，卡拉OK厅要求环境噪声级低于30～35分贝，这是保证清晰度的一个重要要求。
