面向深度学习的个性化HRTF数据库的构建与分析

摘要

个性化头相关传递函数（Head-Related Transfer Function,HRTF）是实现沉浸式音频的关键，但现有公开数据库的规模和多样性难以满足深度学习模型训练的需求，限制了个性化HRTF预测的发展.针对此瓶颈，构建了一个面向深度学习应用的大规模HRTF数据库，融合了消声室中实测的真人HRTF数据以及基于高精度头部扫描的仿真HRTF数据.通过客观指标与主观听音实验，系统分析了数据库中通用HRTF与个性化HRTF在高频（>10 kHz）等关键频段的显著声学差异，并量化了这些差异对听觉定位精度的显著影响（高改善组平均定位精度提升5.9°）.该数据库及其分析结果不仅为深度学习驱动的HRTF预测提供了丰富的数据基础与验证，也为理解个性化特征重要性、优化虚拟听觉体验提供了实证参考.

关键词

个性化头相关传递函数 / 深度学习 / 边界元仿真 / 声源定位