圖書館自習區背景音樂的播放及制作方法探討

丁姿

關鍵詞：高校圖書館；α腦波音樂；腦波；學習效率

摘要：文章探討了在高校圖書館中，播放背景音樂是一種新的嘗試，如何播放合理的背景音樂，能夠有效地降低圖書館的噪音，使讀者處于最佳的學習狀態。

中圖分類號：G252文獻標識碼：A文章編號：1003-1588（2017）01-0118-03

自習室是高校圖書館的重要組成部分，經常“人滿為患”，基本是每個學生首選的學習場所，它與寢室、食堂和教室一并構成了學生四點一線式的路線。自習室建立好后，由于圖書館的管理人員數量有限等原因，使自習室往往處于無人管理的境地，雖然校園讀者對這種現狀基本滿意，二者在服務與被服務方面似乎并沒有發生矛盾，但在某些時候，讀者的討論聲、較大的走路聲和跑步聲等對其他學生的學習難免造成一定影響。因此，有必要進一步改善自習室的環境，播放由α腦波音樂組成的背景音樂是最佳選擇之一。

1高校圖書館播放背景音樂的重要性

1.1音樂具有巨大的隱性作用

隨著人們對音樂研究的深入，音樂已經不僅僅是供人們娛樂、休閑的方式了，音樂的隱性力量甚至已經超出了其娛樂性的本身，并且這方面的應用越來越廣泛。如：孕婦聽胎教音樂，生出的寶寶會更健康；農場的奶牛聽某些音樂產奶量相對較多等。在音樂提高學習效率的輔助作用方面也是如此，早在1993年，美國加州大學爾灣分校的三個心理學家在《自然》期刊上發表了一篇文章，其內容是讓36名大學生聽十分鐘莫扎特D大調雙鋼琴協奏曲，再給他們做史丹佛—比奈智力測驗，其結果是學生們的空間推理能力增加了9分[1]；世界教科文組織向國際讀者推薦的《學習的革命》中記載，聽巴洛克音樂能讓學生用5%的時間完成60%的學習內容等[2]，這都說明了音樂具有巨大的隱性力量。

1.2對一部分邊聽音樂邊學習的讀者進行引導

福州大學圖書館曾就邊聽音樂邊讀書進行了隨機問卷調查，調查結果顯示超過90%的被調查者有邊聽音樂邊讀書的經歷，其中40%的人長期有這種習慣[3]。可見，即使圖書館不播放音樂，也會有40%的讀者經常在音樂的環境中學習，但在這種情況下，音樂并不能對讀者的學習起到太大的輔助作用。這是由于讀者所選擇的音樂多以自身的喜好為主，讀者對音樂的旋律、歌詞等已經非常熟悉，在學習時思路很容易跟著音樂而分心，無法集中注意力學習。另外，長時間使用耳機對人的聽力影響也非常大。因此，圖書館需要對邊聽音樂邊學習的讀者進行引導，充分發揮音樂對學習的輔助作用。

2圖書館播放背景音樂的選擇標準

2.1腦波

圖書館自習室背景音樂的選擇，既要注重音樂自身的美感，更要以音樂是否有助于學習為主要標準。若要知道哪些音樂有助于學習，必須先了解腦波。在人腦中有許多的神經細胞在活動著，并成電器性的震動，這種電器性震動被稱為腦波。腦波的震動頻率不是一成不變的，國際腦波學會根據大腦震動頻率的不同，將腦波分類為δ波、θ波、α波、β波4種（見圖1）：①δ波的頻率是0.4—4Hz。在δ波的環境中，這種腦波對人的睡眠有很大的幫助，人們可以很快地進入深度睡眠狀態。②θ波的頻率是4—8Hz。人們在極度疲勞、深度麻醉或缺氧時以及在淺度睡眠中易出現θ波，此時平常清醒狀態所具有的批判性或道德性被埋藏起來，而對于外界的信息呈現高度的受暗示性狀態，最容易被催眠。③α波的頻率是8—14Hz。它能夠使人們的意識清醒，而身體卻是放松的。也就是說，在α波的環境中，人們的身體能量消耗最少，而腦部獲得的腦波更高，對學習的幫助最大，是人們學習與思考的最佳腦波狀態。④β波頻率在14Hz以上。人們清醒時大部分的腦波都處于β波狀態。隨著β波的增加，身體逐漸呈緊張狀態，所消耗的能量隨之上升，會越來越容易疲勞[4]。

2.2α腦波音樂

腦波音樂是隱性力量最為典型的應用，它是基于腦波和聲學原理，由聲波的震動頻率來誘發大腦的腦波產生同化現象。經過上文對腦波的分析，可知腦波在α波狀態時人的學習效率最高，因此圖書館自習室所需播放的音樂正是這種能誘發α腦波的音樂，即α腦波音樂。α腦波音樂的來源主要有兩種渠道：①對已有音樂的檢測，測量出哪些音樂的頻率處于α波之間，如維瓦爾第“四季”等。由于這類音樂的數量有限，隨著人們對音樂測量工作的不斷開展，已經很難再發現新的作品。②以α腦波為作曲基礎，有意修改或創造出專門的α腦波音樂，在旋律和美感上雖不如前者，但隱性功能并沒有減弱，是制作α腦波音樂的研究重點。

3α腦波音樂的制作方法

3.1建立映射關系的原則

α腦波與音樂都具有聲波的形式，α波的頻率是8—14Hz之間，人耳能聽的可聽聲的范圍在20Hz—20，000Hz之間[5]，α波并不在人耳有效聽力范圍之內。由于音樂本身的頻率和頻譜分布符合特殊的規則，直接將α腦波放大，也無法得到音樂的旋律效果。因此，為了最大限度地使音樂具有α腦波的特征，引導讀者的腦波與音樂共鳴，同時音樂的生成并不是選擇幾個簡單的生理參數來合成，要使音樂具有一定的美感，這就需要建立一個科學合理的映射規則。根據圖1腦波的圖像可知，振幅、周期和平均功率是反應腦波的主要特征，可以準確地反映出大腦的意識形態。在音樂的物理特性中，音高、音強和音長是音樂的最為重要的組成要素，并且可以記錄、存儲、轉換，將以上腦波與音樂的主要參數相對應，就能夠為制作出旋律優美的腦波音樂提供基礎。

3.2映射方法

3.2.1振幅轉化為音高。在音樂中，音高的客觀的評價尺度就是頻率，頻率越高音高就越高，頻率越低音高就越低，二者基本上保持一致。在腦波中，腦波的振幅與頻率通過功率譜密度可以相互轉換，所以腦波的振幅可以間接地反映出音樂的音高，其轉換關系為Pitch=mlgAmp+n[6]，其中Pitch代表音樂的音高，Amp代表腦波的振幅，m和n用以調整音樂音高的大小。在實際情況中，當大腦活動劇烈時，其神經元活動的一致性不高，此時檢測腦波的振幅值往往較小。反之，當大腦活動較少時，參與活動的神經元一致性較高，檢測的振幅值一般較大。因此，在制作α腦波音樂時，m應為負值，使制作音樂的音高較低，以此保證音樂對讀者的學習起到更好的刺激作用；n的作用是確定整音高最大值，根據具體需求可以取不同的數值。

3.2.2周期轉換為音長。在音樂中，音長是指聲音的長短，通常與音源的震動時間相關，發音體振動持續越久聲音就越長，反之則越短。在腦波中，腦波的震動周期與音樂的音長同屬于時間性質的物理量，準確記錄著腦波的每一個波形的震動時間。因此，腦波的周期可以與音樂的音長相對應，且這種映射方式能夠保證制作的音樂與腦波嚴格地同步。音長的制作方法可采取過零檢測法[7]，具體過程如下：①對腦波信號進行提取分析，對每跨過零基線的數據進行標記，將AB兩點所示劃分為一個周期（見圖2）。②對周期的時間進行測量，每個周期所用的時間為一個音長。

3.2.3平均功率轉換為音強。韋伯—費希納定律闡明：人們感覺的增加量和刺激的比率相等[8]。在音樂中，音強就是人們在聽聞時聽到的響度，也就是我們通常說的聲音的強弱或大小、輕重。音強主要與聲源的音壓相關，并反映著聲源能量的大小。腦波的平均功率表達當時大腦的生理狀態，實質上是大腦腦波對外界刺激的一種反映，當外界音源的能量越大時，對聽者的刺激越大，腦波的平均功率越高，反之越小。因此，音樂的音強與腦波的平均功率這種對應關系可以根據韋伯—費希納定律進行轉換，即音樂的音強與腦波的平均功率成對數關系。

3.3腦波音樂的編輯和生成

通過音樂與腦波的相關因素的對應關系，可以得出制作腦波音樂所需的關鍵數據，但這些數據很零散，不是音樂能夠讀懂的五線譜語言，必須對這些數據進行編輯和整合。在工具的選擇上，使用Max/MSP軟件編輯是制作腦波音樂的首選，其主要具有以下優勢：①Max/MSP提供一個高級的圖示化的編程語言環境。程序本身使用圖形對象，并且Max/MSP提供了一條清晰、直觀的程序編寫方式，只需要連接圖形對象即可，如一些根據α腦波計算好的音高、音長、音強，都可以由相應的圖標控件進行添加和修改[9]，再增加音色等其他圖標控件，就可以制作出一部完整的α腦波音樂，從而省去了音樂創作者學習計算機編程語言的過程。②Max/MSP軟件生成的音樂為MIDI文件。MIDI文件的最大優勢是所占用的空間非常小，這是由于MIDI系統核心部分是一個被稱為序列器的軟件。序列器并不真正地記錄聲音，它只記錄和播放MIDI信息，例如用什么樂器奏什么音符、奏的快慢、奏的力度等[10]。當音樂播放時發出的聲音是通過播放軟件或者音源轉換而成，因此與計算機中常用的聲音波形文件如WAV文件等相比要小得多，且更加便于儲存和攜帶。

4結語

高校圖書館自習室通過播放α腦波音樂，不僅能夠有效地過濾自習室噪音，為讀者提供一個優雅的學習環境，更能夠使讀者的大腦與音樂產生共鳴，引導大腦的腦波處于α波狀態，提高讀者的學習效率。

參考文獻：

[1]莫扎特效應[EB/OL].[2014-12-02].http：//www.docin.com/p-204454477.html.

[2]有助于學習的巴洛克音樂[EB/OL].[2014-11-05].http：//blog.163.com/zheng_njnu/blog/static/20303071200842182810715.

[3]趙青.高校圖書館背景音樂的運用[J].中國電力教育，2012（5）：143-144.

[4]百度百科.腦波[EB/OL].[2015-01-20].http：//baike.baidu.com/view/1103826.html？wtp=tt.

[5]360百科.可聽聲[EB/OL].[2014-11-25].http：//baike.so.com/doc/1539714-1627760.html.

[6]吳丹.基于腦電的腦波音樂研究[D].成都：電子科技大學，2007.

[7]楊湲，肖順文，鄒貴祥，等.基于FPGA的FSK調制解調系統設計[J].數字技術與應用，2014（12）：161-162，164.

[8]百度百科.韋伯—費希納定律[EB/OL].[2015-12-04].http：//baike.baidu.com/view/677504.html？wtp=tt.

[9]趙青，孫永生，岳德海.背景音樂在高校圖書館的運用[J].太原城市職業技術學院學報，2013（6）：104-105.

[10]姬夢琰，劉茂英，孫晶晶，等.音樂元素在圖書館的應用設想[J].內蒙古科技與經濟，2013（13）：113.

（編校：崔萌）