A zenei hangok érzékelése, észlelése szolgál a zenei feldolgozás alapjául. „Az érzékelés során a külvilág fizikai jelei az agy számára feldolgozható jellé alakulnak át, az észlelés során azonban ezekhez az érzékleti mintázatokhoz rendeljük hozzá a környezet ingereit, eseményeit.” (Asztalos, 2016, 12.) A zenei hallásban a zenei hangok tulajdonságainak (a hangmagasságnak, a hangszínnek, a hangerőnek, a ritmusnak) észlelése szerves egységgé válik. Zenei hallásnak „az akusztikai-zenei viszonyok befogadásának, megkülönböztetésének, felismerésének, újra felismerésének és aktivizálásának képességét nevezzük”. (Michel, 1974, 53.) Az információfeldolgozást segítő kognitív sémák az érzékelt jelek gondolkodás, következtetés során és a korábbi információkkal való összekapcsolódásának, majd elraktározódásának eredményeként jönnek létre (Turmezeyné és Balogh, 2009). „A zenei percepció magába foglalja az akusztikus jel analízisét, a hangközviszonyok és a zene szintaktikai és szemantikai feldolgozását, valamint a zene által kiváltott (pre)motoros tevékenységeket.” (Koelsch, 2014, idézi Asztalos, 2016, 12.) A zenei észlelés fejlődésének bemutatásakor Erős (1993) zenei alapképesség modelljében megtalálható képességfelosztást figyelembe véve kitértem a ritmus, a dallam, a harmónia, a hangszín, a dinamika, a metrum, a tempó és a forma észlelésének fejlődésére.