使用Matlab的fft函数对语音信号进行频谱分析，找出干扰信号的频谱； 2、用两种方法设计数字滤波器滤除语音信号中的干扰分量，并进行播放对比滤波器性能及进行结果分析。

在MATLAB中，`fft`函数用于快速傅立叶变换（Fast Fourier Transform），可以将时间域的语音信号转换到频率域，进而进行频谱分析。以下是步骤：

1. **频谱分析**:
- 导入语音信号数据，通常用`.wav`或其他音频文件读取工具如`audioread()`.

   [signal, Fs] = audioread('your_audio.wav'); % 替换为实际文件名，Fs是采样率

- 对信号进行离散傅立叶变换（DFT）:

   spectrum = fft(signal);

- 计算频谱并将其归一化（例如，每秒的赫兹值，而不是复数幅度）:

   freqs = (0:length(spectrum)-1) * Fs / length(spectrum); % 获取频率轴
   psd = abs(spectrum).^2 ./ length(signal); % 平方绝对值，得到功率谱密度（PSD）

- 可能需要找到干扰信号所在的特定频段，这通常涉及到观察PSD图并识别异常高点。

2. **滤波器设计**:
- **基于频率的方法**：可以设计低通、高通或带通滤波器，例如使用`fir1()`或`designfilt()`函数，然后应用`ifft()`反变换回时域：

   % 设计一个低通滤波器（举例）
   filter_design = fir1(100, 'lowpass', Fs/2); % 高通或带通替换为相应参数
   filtered_signal = ifft(filter_design * fft(signal));

- **基于窗函数的IIR（无限 impulse response）滤波器**：可以使用`iirfilter()`函数，之后使用`filter()`进行滤波：

   [b, a] = iirfilter(2, [0.5 1], 'Lowpass', Fs); % 设定截止频率
   filtered_signal_IIR = filter(b, a, signal);

- 播放和对比：分别使用`sound()`或`play()`函数播放原始信号和过滤后的信号，比较音质变化。

3. **分析结果**:
- 听觉评估：人耳对声音质量的变化最敏感，听一听处理前后的音频差异。
- 数学指标：计算滤波前后信号的信噪比（SNR）、失真度等客观指标，比如通过计算PSD对比干扰成分减少的程度。