基于多模态生理信号与语音分析的STEM大学生状态性焦虑检测研究

《IEEE Transactions on Affective Computing》：Comparative Analysis of Physiological and Speech Signals for State Anxiety Detection in University Students in STEM

本研究针对传统状态性焦虑评估方法依赖自我报告、无法实时监测的局限性，创新性地结合可穿戴传感器与无接触式语音记录技术，对34名STEM专业大学生在特里尔社会应激测试(TSST)中的生理信号（BVP、EDA、HRV、TEMP）和语音特征进行同步采集与分析。研究结果表明，血容量脉冲(BVP)在单一模态中表现最优（AdaBoost模型TPR达0.69±0.11），其与皮肤温度(TEMP)的组合更将检测灵敏度提升至0.90±0.07。该研究为开发实时、客观的状态性焦虑监测系统提供了重要技术路径，推动了可穿戴设备在心理健康管理领域的应用。

　　

在当今高压学术环境下，STEM（科学、技术、工程和数学）领域的大学生常面临状态性焦虑的困扰。这种短暂但强烈的情绪反应若频繁发作，可能严重影响学习效率和心理健康。传统评估主要依赖回顾式自评量表（如STAI-6），只能提供离散时间点的情绪快照，无法捕捉焦虑的动态波动。更棘手的是，状态性焦虑往往突发于真实场景中，而临床专家难以实时在场评估。这凸显了对连续、客观监测技术的迫切需求。

为突破这一瓶颈，研究人员在《IEEE Transactions on Affective Computing》上发表了创新性研究，利用可穿戴设备和无接触传感技术探索状态性焦虑的实时检测。他们同步采集了34名STEM大学生在标准化压力源——特里尔社会应激测试(TSST)中的多模态数据，包括通过Empatica E4腕带记录的电皮肤活动(EDA)、血容量脉冲(BVP)、皮肤温度(TEMP)，通过Hexoskin智能背心采集的心率变异性(HRV)，以及通过Zoom软件录制的语音信号。

研究团队采用严谨的数据预处理流程：对生理信号进行带通滤波（如BVP和ECG信号使用0.5-3 Hz滤波器），使用NeuroKit2库提取EDA特征（如SCR振幅均值），通过OpenSMILE工具包提取88维语音特征（包括MFCC、频谱对比度等）。为应对数据不平衡问题，他们在训练集上应用SMOTE过采样技术。通过PCA（降至2个主成分）与ICA结合的方法进行特征降维和独立性增强，最后采用五种机器学习模型（随机森林RF、逻辑回归LR、支持向量机SVM、梯度提升GBoost、AdaBoost）进行性能评估，重点关注真阳性率(TPR)和曲线下面积(AUC)指标。

单模态性能比较

BVP信号展现出最稳定的检测能力，在随机森林、SVM和AdaBoost模型中均达到0.69的TPR值，显著优于EDA、TEMP和HRV模态（符号检验p=0.03125）。语音模态在AdaBoost模型下获得0.70的TPR，但与BVP无显著差异（p=0.50000），表明其具备替代潜力。温度数据表现最弱，最高TPR仅0.52（SVM模型），而HRV特征因短时测量易受干扰，其鉴别力有限（最高TPR 0.58）。

双模态组合优化

BVP与TEMP的组合产生显著协同效应，在随机森林模型下TPR提升至0.90±0.07，AUC达0.73±0.07。这种提升可能源于心血管反应与体温调节机制在焦虑状态下的互补性。EDA与语音的组合在临床阈值下表现突出（SVM模型TPR 0.72±0.21），体现出生理 arousal 与行为特征的互补价值。相反，BVP与HRV的组合因信息冗余未能显著提升性能，说明特征选择需避免重叠信息。

模型适应性分析

树模型（RF/AdaBoost）对BVP+TEMP组合表现最佳，擅长捕捉血管收缩与末梢冷却间的非线性关系。SVM模型则更适应高维语音特征与EDA的组合，其核函数能有效学习 autonomic arousal 与语音变化间的复杂模式。线性模型（如LR）在特征间呈单调关系时表现较好，但在原始BVP数据上效果欠佳。

讨论与展望

该研究证实了多模态传感策略的优越性：BVP可靠捕捉心血管反应，语音提供行为维度补充，而温度数据虽单独效果有限，但与BVP联用时可增强模型判别力。这种"生理-行为"互补框架为开发非侵入式实时监测系统奠定了理论基础。值得注意的是，语音分析虽受环境噪声和隐私问题限制，但为抗拒佩戴设备的人群提供了替代方案。

未来研究需在更大样本中验证泛化能力，特别需要涵盖不同文化背景和临床人群。此外，实际部署需解决运动伪影、环境干扰等挑战，并通过个性化校准提升模型适应性。随着边缘计算技术的发展，这些发现有望转化为嵌入式健康监测解决方案，最终实现从"被动响应"到"主动预防"的心理健康管理范式转变。