在通过音乐感知的方式对焦虑情绪治疗的过程中,现有的音乐对患者而言不具备针对性,导致治疗的效果并不理想。为了减缓焦虑情绪,创作出具有针对性的音乐,本文将计算机作曲与情感反馈相结合,提出基于情绪反馈的音乐再构建方法。其中由于通过主观辨别情绪的方式准确度不高,本文选择通过脑电分析的方式进行情绪反馈识别。基于脑电波减缓焦虑情绪的音乐再构建方法主要是对焦虑患者在不同音乐下的脑电信号的变化进行情绪识别,根据情绪反馈,获得能使焦虑患者情绪转好的音乐片段,然后以音乐内容出发,提取多种能够表现音乐基本特征的低维特征集合,利用音乐特征集合进行欧式距离(Euclidean Distance,ED)相似度检测,根据相似程度确定组合音乐片段的最佳顺序,并为保证新曲目的连贯性和自然性,在音乐拼接处进行平滑处理。在音乐再构建过程中,情绪准确反馈是至关重要的。为了提高脑电识别准确率,本文提出在最小冗余最大相关(Minimum Redundancy Maximum Relevance,mRMR)特征选择基础上建立长短时记忆网络诊断模型(Long Short Term Memory Network,LSTM)。首先利用mRMR算法对脑电波频带功率、滑动样本熵和Alpha不对称指数组合的特征集合进行特征选择,然后将特征矩阵输入到LSTM神经网络中进行训练,在训练过程中使用Adam梯度优化算法得到一个稳定的模型,仿真结果表明mRMR算法可以在低维度的情况下,实现更高的识别准确率,降低了计算复杂度;Adam算法的收敛较快,缩短了训练时间;mRMR+LSTM算法融合平均达到了96.8%的准确率,相比于其他传统分类算法,有着更好的分类效果。本文在mRMR+LSTM情绪识别框架基础上,以音乐内容相似度为准则进行音乐再构建实验,实验结果表明,参与者对重构出的音乐评价满意度在八十分之上,并且在后续的音乐治疗过程中,构建的音乐在一定程度上能够提高音乐治疗的效果,证明了基于脑电信号处理的音乐再构建的可行性和有效性。