基于生理信号的情绪驱动音乐干预对大学生焦虑缓解效果的实证研究

一、研究背景与意义

（一）研究背景

近年社会竞争趋烈、生活节奏加快，大学生受学业、就业、人际适应压力影响，焦虑问题频发。据教育部 2024 年报告，其焦虑检出率达 38.2% ，而传统心理咨询因师资不足、学生求助意愿低，覆盖不足 20% 。现有音乐干预依赖主观选曲，缺客观支撑，生理信号可反映情绪，二者结合为解决干预困境的关键方向。

（二）研究意义

1. 理论意义

本研究将生理信号监测技术与情绪驱动音乐干预结合，明确不同生理信号与大学生焦虑状态的关联机制，丰富情绪心理学与音乐治疗学的交叉研究理论，填补 “生理信号 - 情绪评估 - 音乐干预” 一体化研究的空白。

2. 实践意义

研究设计的个性化音乐干预方案操作便捷，可依托高校现有心理健康中心或线上平台推广，扩大焦虑干预覆盖范围；同时，客观生理指标与主观评估结合的效果验证体系，能为高校心理健康教育提供科学的干预效果评价标准，助力大学生心理健康服务体系完善。

二、研究策略设计

（一）生理信号的选择与采集

1. 信号选择依据：结合大学生生理特点与焦虑情绪的生理反应机制，确定三类核心生理信号：

（1）心率变异性（HRV）

反映自主神经系统平衡状态，焦虑时 SDNN（全部窦性心搏 RR 间期的标准差）、RMSSD（相邻 RR 间期差值的均方根）显著降低，是评估焦虑水平的敏感指标；

（2）皮肤电活动（EDA）

受交感神经调控，焦虑时汗腺分泌增加，EDA 振幅升高、反应潜伏期缩短，可快速捕捉情绪波动；

（3）脑电（EEG）

α 波（8-13Hz）与放松状态相关，焦虑时 ∝ 波功率降低，β 波（14-30Hz ）功率升高，直接反映大脑情绪加工过程。

2. 采集方案采用便携式生理信号采集设备，具体如下：

（1）设备选择：HRV 使用便携式心率监测仪（型号：Polar H10），EDA 采用多导生理仪（型号：Biopac MP150），EEG 选用无线脑电帽（型号：Emotiv EPOCX）；

（2）采集场景：选择高校心理实验室（温度 22-25‰ 、湿度 50%-60% ），避免环境噪音干扰；采集前让被试静坐 10 分钟，消除运动或情绪波动对信号的影响；

（3）采集时间点：分别在干预前（基线）、干预 2 周后、干预 4 周后采集，每次采集时长 20 分钟（含 5 分钟基础信号、10 分钟情绪诱发任务信号、5 分钟恢复信号）。

（二）情绪驱动音乐干预方案构建

1. 音乐分类依据：基于 Russell 情绪环形模型，将大学生焦虑情绪分为 “高唤醒负性”（如紧张、烦躁）与 “低唤醒负性”（如低落、担忧）两类，对应构建 “情绪匹配音乐库”：

（1）高唤醒负性焦虑

匹配 “低唤醒正性” 音乐，如莫扎特《K448 钢琴奏鸣曲》（ tempo 60-70BPM，大调式）、中国传统音乐《渔舟唱晚》（古筝演奏，tempo 55-65BPM），通过缓慢节奏与和谐旋律降低交感神经兴奋；

（2）低唤醒负性焦虑

匹配 “中唤醒正性” 音乐，如维瓦尔第《四季·春》第一乐章（tempo 80-90BPM，大调式）、班得瑞《安妮的仙境》（tempo 75-85BPM），通过适度节奏激发积极情绪。

2. 干预流程设计采用 “个性化匹配 + 分阶段干预” 模式，具体流程如下：

（1）预处理阶段（1 周）

采集被试基线生理信号与 SAS（焦虑自评量表）评分，根据信号结果将被试归入对应焦虑类型，确定个性化音乐列表；

（2）干预阶段（4 周）

每周开展 3 次干预，每次 30 分钟；干预时先播放 5 分钟引导音乐，帮助被试放松，再播放 20 分钟情绪匹配音乐（每首 3-5 分钟，避免听觉疲劳），最后播放 5 分钟收尾音乐；干预过程中实时监测 HRV 与 EDA，若信号显示情绪无改善，及时更换同类型备选音乐；

（3）后处理阶段（1 周）

干预结束后采集生理信号与 SAS 评分，对比基线数据评估效果，并通过《音乐干预满意度问卷》（Cronbach's α=0.87 ）收集被试反馈，优化音乐库。

（三）研究对象与分组设计

1. 研究对象选取，以大一至大三学生为研究对象，

（1）纳入标准： ① SAS 评分 ⩾50 分（中度焦虑）； ② 近 3 个月未接受心理治疗或药物干预； ③ 无听力障碍、心血管疾病等影响生理信号采集的疾病； ④ 自愿参与并签署知情同意书。

（2）排除标准： ① 有精神疾病史或家族史； ② 近期经历重大生活事件（如亲人离世、失恋）； ③ 无法保证按时参与干预者。最终确定样本量 120 人，男女比例约 1:1，涵盖文、理、工、医等多个专业。

2. 分组方法采用随机数字表法将被试分为三组，每组 40 人

（1）实验组：接受情绪驱动音乐干预（按上述方案执行）；

（2）普通放松音乐对照组：接受无情绪匹配的普通放松音乐干预（如随机播放轻音乐）；

（3）空白对照组：不接受任何音乐干预，仅定期采集生理信号与量表评分。

（四）效果评估体系建立

1. 生理指标评估

重点分析 HRV（SDNN、RMSSD）、EDA（振幅、反应潜伏期）、EEG（α波功率、β 波功率）的变化，采用 Matlab 信号处理工具箱对原始信号去噪后，使用 SPSS 26.0 进行统计分析，通过配对 t 检验比较组内干预前后差异，方差分析比较组间差异。

2. 主观指标评估

（1）焦虑水平：采用 SAS 量表、STAI（状态 - 特质焦虑问卷）状态焦虑分量表，分别在干预前、干预 2 周后、干预 4 周后测评；

（2）干预满意度：实验组干预结束后填写《音乐干预满意度问卷》，从音乐适配性、干预体验、情绪改善效果三个维度评分（1-5 分）。

3. 行为指标评估

通过与辅导员、室友访谈，记录被试干预期间的课堂出勤率、作业完成率、睡眠时长（每晚 <6 小时视为睡眠不足），每 2 周记录 1 次，量化焦虑情绪对日常生活的影响变化。

（五）研究难点与应对策略

1. 生理信号采集干扰

大学生日常活动中，环境噪音、身体动作会影响信号稳定性。应对策略：选择安静实验室，采集前让被试适应环境并保持静止；使用信号滤波软件去噪，同时增加采集次数，提高数据可靠性。

2. 干预依从性问题

部分学生可能因课程冲突、兴趣降低缺席干预。应对策略：提前与学生协商确定干预时间（如周末下午）；建立 “干预打卡” 制度，缺席者可补做；为完成全部干预的学生提供志愿者时长证明，提高参与积极性。

3. 个体音乐偏好差异

部分学生可能对干预音乐不感兴趣，影响效果。应对策略：在音乐库中为每类焦虑情绪提供 5 首备选曲目，让学生根据偏好选择；干预过程中实时监测生理信号，若情绪无改善则更换曲目。

三、总结

本研究提出的生理信号驱动音乐干预策略，以客观信号评焦虑、建个性化方案、用多维度验效果，可改善传统音乐干预 “盲目选曲” 与效果评估单一问题，兼具理论与实践价值。研究样本有限，未来结合 AI 技术开发实时分析与推荐系统，可提升干预智能化水平，服务大学生心理健康。

参考文献：

[1] 汪金宇,程为平,齐辉,等.音乐干预在脑损伤康复中的应用[J].中国康复,2023, 38(11):692-696.DOI:10.3870/zgkf.2023.11.011.

[2] 李谷静 . 舞蹈训练对脑的可塑性影响研究[D]. 电子科技大学,2018.