La théorie de la localisation propose que différentes fréquences sonores stimulent différents endroits le long de la membrane basilaire de la cochlée, et que le cerveau détermine la hauteur du son à partir de l'emplacement de la stimulation maximale.

Les sons de haute fréquence produisent une vibration maximale près de la base de la cochlée, à proximité de la fenêtre ovale. Les sons de basse fréquence se propagent plus loin et atteignent leur maximum près de l'apex. Les cellules ciliées à chaque niveau envoient des signaux que le système auditif interprète comme des hauteurs de son correspondantes. Cette théorie explique bien la perception des hautes fréquences et est corroborée par l'organisation tonotopique régulière observée tout au long des voies auditives.

Pour les basses fréquences, le codage spatial devient moins précis, et le codage temporel de la fréquence elle-même prend le dessus. Les théories modernes combinent donc les théories spatiales et fréquentielles, attribuant à chacune un rôle prédominant dans différentes parties du spectre audible. La théorie spatiale demeure l'explication principale de la façon dont la cochlée initie l'analyse de la hauteur tonale.

Selon la théorie de la localisation, c'est l'endroit où la membrane basilaire vibre le plus fortement qui détermine la hauteur du son perçu.