快速的社会节奏和与日俱增的生活压力增大了人们各类心理疾病的患病风险,给个人、家庭乃至社会带来了巨大危害,而有效的放松能较好地减轻心理压力,缓解焦虑情绪。因此,对情绪放松的相关研究成为了当前的热点,包括对放松度进行定性和定量评估、运用新型信息技术提升放松训练效果等。传统的音乐、视频等放松方式存在沉浸感不强、缺乏交互性、需要专业人员指导等不足。虚拟现实和脑机接口技术的高沉浸感、高交互性的特性使其应用于放松领域成为可能并被广泛研究。相关成果已验证了虚拟现实放松的有效性,但现有的放松素材多为静态的自然场景,易产生疲劳感;基于脑机接口技术的场景交互形式较单一,沉浸感不强。此外,目前对于放松情绪的研究多为定性研究,缺乏对放松度的客观、量化的评估。针对上述问题,本文开展了如下三个工作:（1）确认了与情绪放松程度关联较大、且具有显著一致性变化的脑电特征。首先通过主观量表验证了所使用的虚拟现实放松场景素材的有效性,然后通过采集受试者在观看放松场景时的脑电数据,提取和分析观看放松素材前后的脑电特征变化和观看放松素材时的时序变化趋势,得到了包括不对称性特征和能量熵特征在内的8类具有显著一致性变化的脑电特征。（2）构建了对放松程度进行定量预测的放松度回归模型RSCEM。首先运用8个不同的机器学习回归模型对提取的EEG特征和主观放松度评分结果进行训练,从中挑选出结果较好的模型进行stacking融合,得到回归模型RSCEM。该模型第一层选择了4个不同类型的机器学习模型,第二层选择了简单的线性模型防止过拟合。最后对模型参数进行调整。实验结果表明所设计RSCEM模型对放松度的预测准确率达到了81.81%。（3）设计并实现了利用脑电信号进行场景自适应调节的虚拟现实放松干预系统。该系统场景基于Unity 3D平台搭建,利用实时采集的受试者观看场景的脑电数据,基于RSCEM回归模型实时输出放松度数值,实现场景元素的自适应调节。相关实验表明,受试者的平均放松度由5.841提升至6.403,验证了所设计系统进行情绪放松的有效性。综上,本文确定了与放松情绪具有强关联的EEG特征,搭建了能预测放松度数值的放松度回归模型,并基于放松场景和EEG放松度回归模型设计和构建了可通过EEG信号实时调节场景变化的虚拟现实放松干预系统,为放松减压提供了新的素材和方法。