这里似乎有四个问题。我无法为每个问题给出完整的答案，但让我依次解决。

在音频数据中寻找不同的乐器或能源究竟是什么？

对此并没有真正的单一答案。对许多密切相关但最终不同的问题进行了大量研究。一般来说，仪器的光谱特性会随着时间的推移而变化。在其他声音中跟踪音符的所有谐波和非谐波分量的变化并非易事。

所以 FFT 可以提取频率，但是如何在低音线旁边检测打击乐呢？

通常，您会使用短时傅立叶变换，以便获得时间数据和光谱信息。从这里你有几个问题需要考虑：

源分离：查找ICA、NMF和CASA等技术。这将在检测到的源之间分配能量，从而使您能够检测到单独的仪器。

基频检测：我建议对频带进行汇总自相关，而不是纯粹的时域或频域方法。

还有来源识别（我不太了解）。

频率箱是否会被检查到仪器的频率映射中？这将导致可能的仪器发生碰撞。

您需要分配频率信息，而不仅仅是将其全部分配给一台仪器。

FFT 输出的频率是否可以直接映射到音高频率图表，还是应该先进行转换？

在音高频率图表上给出的基频可能实际上并不存在于音符中（“缺失的基本问题”）。因此，在您可以使用图表之前，需要一种基本频率检测算法，例如我上面建议的算法。

音频数据的 FFT 中的一些频率（通常是绝大多数）代表音乐音高的一些泛音。甚至可能是不同音高源的不同泛音数量的组合。在进行任何音符音高映射之前，需要弄清楚一个频率代表哪个音高源的哪个泛音。由于许多乐器的泛音可能会重叠，因此您可能还需要弄清楚如何将它们作为过程的一部分进行分离。