Gdy dźwięk dostanie się do uszu, jest przetwarzany przez fizyczne komponenty ucha środkowego i wewnętrznego oraz przez ośrodki słuchowe mózgu. Na percepcję wysokości dźwięku wpływa kilka czynników, w tym sposób przetwarzania dźwięku w ciele. Kodowanie neuronowe w mózgu ma wpływ na to, jak ludzie słyszą dźwięki. Obecność wielu dźwięków, zmiany głośności lub częstotliwości impulsów dźwiękowych mogą wpływać na postrzeganie wysokości dźwięku. Teorie, które próbowały zdefiniować percepcję wysokości dźwięku, obejmują teorię miejsca i teorię temporalną.
Dźwięk dostaje się do ucha i jest najpierw przetwarzany przez błonę bębenkową lub błonę bębenkową. Następnie przekłada się na ruchy trzech małych kości, zanim przejdzie do ślimaka, spiralnego narządu w uchu wewnętrznym z komórkami słuchowymi, które poruszają się wraz z falami dźwiękowymi. Ruch włosów przekłada się na sygnały przekazywane do nerwu słuchowego. Różne części błony podstawnej wewnątrz ślimaka odbierają różne częstotliwości, jak wyjaśnia teoria miejsca. Ta teoria opisuje również, jak wysokie harmoniczne znajdujące się blisko siebie nie są postrzegane jako oddzielne.
Teoretycy spekulowali również, że dźwięk jest postrzegany w odniesieniu do czasu, co nazywa się teorią temporalną. Komórki nerwowe odpalają się w okresowych odstępach czasu, ale służą również do analizy częstotliwości. Połączenie tych dwóch teorii pomaga w badaniu natury percepcji dźwięku przez ludzi. Aktywność neuronalna w korze słuchowej ma ogromny wpływ na percepcję wysokości tonu, przy czym zmiany tonu stymulują obszary w prawej półkuli. Problemy w odpowiednich obszarach skroniowych mózgu czasami wpływają na to, jak ktoś jest w stanie wykryć zmiany wysokości tonu.
Niezdolność do zrozumienia zmiany wysokości tonu jest częścią bycia głuchym. Kiedy melodie są transponowane do różnych tonacji, względna wysokość każdej nuty jest ogólnie postrzegana. Natężenie dźwięku ma również wpływ na percepcję wysokości dźwięku. Zwiększenie intensywności dźwięków o wysokiej częstotliwości sprawi, że będą brzmiały tak, jakby tonacja wzrastała. Zwiększenie intensywności dźwięków o niskiej częstotliwości sprawia, że brzmią one tak, jakby tonacja spadała.
Dźwięki pulsujące lub przedłużone mają również inną percepcję wysokości tonu. W porównaniu ze stałym impulsem, impulsy dźwiękowe o malejącej amplitudzie wydają się mieć wyższy ton. Hałasy i tony słyszane ponad jednym tonem mogą również zmienić jego pozorną wysokość. Na percepcję wysokości dźwięku wpływają zatem czynniki wewnętrzne i zewnętrzne. Dźwięk, który pozostaje stały w tonacji, czasami wydaje się zmieniać, słyszany przez ludzkie ucho.