和弦音高估计仍然是一个难题。在MIREX论坛上搜索当前的研究论文。简单的基于频谱的方法通常需要具有极其简单的音色（几乎是纯的未调制正弦波等）的分量音高，这在现实生活中的复调音乐中很少见。更典型的和弦音乐可以包含一组密集的重叠泛音以及其他瞬态噪音。除了频谱和包络信息的任何信号处理之外，创建复音和弦的更复杂的音色可能需要基于统计模式匹配的方法（针对潜在乐器声音的数据库）和/或机器学习算法。

频谱图是有问题的，因为频率没有很好地定位。您最好选择一个仅包含一个和弦的时间窗口并运行 FFT 来识别频率。请注意，FFT 基本上会将您正在寻找的实际频率量化到 bin 中。频率区间的分辨率取决于时间窗口的长度。时间窗越长，频率分辨率越好。

作为替代方案，您可以研究所谓的恒定 Q 变换，它可以调整为使频率箱与音符的正常进程对齐。见： http ://www.elec.qmul.ac.uk/people/anssik/cqt/smc2010.pdf