头相关传输函数（Head-Related Transfer Function,HRTF）是实现虚拟听觉重放的基础。利用HRTF对原始声信号进行滤波,通过双通道耳机进行信号重放,便能够为听者提供空间声音信息,营造一种身历其境的听觉感受。HRTF与人体形态特征密切相关,因此HRTF如同每个人的指纹一样极具个性化。若要提升虚拟听觉重放的效果,需找到一种行之有效的获取听者个性化HRTF的方法。目前声学测量法和数值计算法存在获取过程复杂的问题,人体特征定制法则更为便捷可行。但此类方法通常基于特定HRTF数据库和相应的人体形态特征参数数据库,存在人体特征参数测量精度低、映射模型预测效果差等问题。因此,本文开展了一系列基于人体特征定制HRTF方法的研究。首先提出构建头部边界元仿真模型来获取HRTF数据,包含几何模型获取与修复、仿真模型构建等过程。此外,为提升仿真模型的计算效率,提出一种区域网格划分的方法,相较于均匀网格划分法提升了3倍的计算效率,实现了HRTF快速计算的功能。基于上述方法计算了24人每人72个水平方位角和8个俯仰角的双耳HRTF数据,构建了包含276487个HRTF数据的全空间均匀采样数据库,采用奇异值分解法对高维HRTF数据进行降维。为解决人体特征参数测量精度低的问题,提出一种基于三维头部模型测量人体形态特征参数的流程,采集了24人各25项的人体特征参数,运用相关系数法和递归特征消除法对全部参数进行筛选,最终筛选出与HRTF关联性最大的14项关键人体特征参数。进一步,基于高斯核-支持向量回归算法建立了HRTF与人体特征之间的映射模型,实现输入人体特征参数预测得到个性化HRTF的功能。通过客观指标分析,发现该模型平均谱失真为7.06d B,低于现有模型的数据值范围（7.47～8.02d B）,有效提升了映射模型的预测效果。最后通过主观听音实验证实该模型预测所得的HRTF能够提升虚拟听觉重放效果。综上,本文提出的个性化HRTF定制方法,提高了目前基于人体特征定制HRTF法的预测精度,在实际虚拟听觉重放中具有较好效果。