Grundlage der zeitlichen Frequenzcodierung ist die Kopplung der
neuronalen Impulse mit der Phase der einzelnen Komponenten der anregenden Schallsignale (Phasenkopplung). Die Phasenkopplung scheint - anders als das Ortsprinzip der Basilarmembranschwingung - weitgehend intensitätsunabhängig zu sein.

Bezüglich der zeitlichen Codierung werden vor allem zwei Einwände angeführt, die ihre Bedeutung als Grundlage für die Frequenzcodierung in Frage stellen:

1. Das zeitliche Auflösungsvermögen von Nervenfasern ist aufgrund ihrer elektrischen Eigenschaften beschränkt. Direkte Phasenkopplung einzelner Nervenfasern wäre demnach nur für Frequenzen bis 800-1000 Hz möglich.

2. Es erscheint zweifelhaft, dass zeitliche Informationen die neuronale Weiterleitung an höhere Verarbeitungszentren ohne Präzisionsverluste überstehen.

Der erste Einwand verliert an Bedeutung, wenn man statt einzelner Nervenfasern Gruppen von Nervenfasern betrachtet. Mittels der Salventheorie kann ein höheres zeitliches Auflösungsvermögen erklärt werden. Bei Frequenzen über der höchsten Übertragungsfrequenz einzelner Nervenfasern feuern diese demnach nicht bei jeder Periode der anregenden Schwingung, sondern jeweils nach Auslassung einer bestimmten Zahl von Perioden. Andere Nervenfasern feuern bei anderen Perioden, so dass eine Gruppe von Nervenfasern insgesamt eine hohe Frequenz der anregenden Schwingung übertragen kann.

Die Fähigkeit zu Phasenkopplung scheint beim Menschen eine Obergrenze von etwa 5 kHz zu haben. Darüber ist die Wahrscheinlichkeit, dass einzelne Neuronen feuern, für jede Phase der anregenden Schwingung gleich. Deshalb können auch Gruppen von Nervenfasern diese Frequenzen nicht mehr übertragen.

Dies kann jedoch auch als eine Stärke des Modells der zeitlichen Codierung gewertet werden, da auch die Fähigkeit zur Tonhöhenunterscheidung in diesem Bereich nachlässt.

Gegen den zweiten Einwand lässt sich anführen, dass - während die Phasenpräzision einzelner Nervenfasern in höheren Nervenbahnen abnimmt - dort die Fähigkeit zur Integration der Informationen mehrerer Fasern zuzunehmen scheint.

Drüber hinaus scheint das Gehör prinzipiell sehr wohl zu sehr präziser Verarbeitung zeitlicher Informationen fähig, wie die Fähigkeit der Lokalisation von Schallquellen, die auf z.T. sehr geringen Laufzeitunterschieden beruht, zeigt.