采用noisereduce模块中的band_limited_noise方法生成噪音，设置噪音的最大频率为8000Hz，最小频率为2000Hz，将record.wav文件的数据和噪音数据进行叠加生成带噪的原始信号，采用noisereduce中的降噪方法去除叠加信号的噪音，将原始信号、叠加信号、降噪后的信号的三个波形图在一个figure中绘制，采用截图工具保存完整图片。

好的，这是一个音频处理的问题。下面是一些Python代码实现这个问题：

import numpy as np
import soundfile as sf
from noisereduce import reduce_noise

# 读取原始录音文件
data, sr = sf.read('record.wav')

# 生成噪音
noise = np.random.normal(0, 0.1, len(data))
noise *= band_limited_noise(2000, 8000, sr)

# 叠加噪音
noisy_data = data + noise

# 降噪处理
reduced_noise = reduce_noise(audio_clip=data, noise_clip=noise, verbose=False)

# 绘制图像
import matplotlib.pyplot as plt
fig, axs = plt.subplots(3, 1, figsize=(15, 10), sharex=True, sharey=True)
axs[0].plot(data)
axs[0].set_title('Original Signal')
axs[1].plot(noisy_data)
axs[1].set_title('Noisy Signal')
axs[2].plot(reduced_noise)
axs[2].set_title('Denoised Signal')
plt.tight_layout()
plt.savefig('waveform.png')

其中，`band_limited_noise` 方法用于生成带限制的噪声：

def band_limited_noise(min_freq, max_freq, samples, samplerate=1):
    freqs = np.abs(np.fft.fftfreq(samples, 1 / samplerate))
    f = np.zeros(samples)
    f[np.logical_and(freqs >= min_freq, freqs <= max_freq)] = 1
    return np.real(np.fft.ifft(np.fft.fftshift(f * np.exp(1j * np.random.uniform(0, 2*np.pi, samples)))))

执行上述代码后，将会生成一个名为 `waveform.png` 的图片，其中包含了原始信号、叠加信号和降噪后的信号的波形图。