（2）利用“fft”解析频谱，绘出其时域波形及幅度频谱； （3）利用MATLAB中的随机函数产生噪声加入到语音信号中，模仿语音信号被污染，并对其进行频谱分析。 （4）设计IIR和FIR数字滤波器，并对被噪声（2）利用“fft”解析频谱，绘出其时域波形及幅度频谱； （3）利用MATLAB中的随机函数产生噪声加入到语音信号中，模仿语音信号被污染，并对其进行频谱分析。 （4）设计IIR和FIR数字滤波器，并对被噪声污染的语音信号进行滤波，分析滤波后信号的时域和频域特征，回放语音信号。 （5）与原信号进行对比污染的语音信号进行滤波，分析滤波后信号的时域和频域特征，回放语音信号。 （5）与原信号进行对比

，评估滤波效果并讨论滤波器设计的选择和性能。

首先，我们需要读取语音文件并进行时域波形绘制和幅度频谱分析。可以使用MATLAB中的“audioread”函数来读取语音文件，并使用“fft”函数进行频谱分析。示例代码如下：

% 读取语音文件
[x, Fs] = audioread('speech.wav');

% 绘制时域波形
t = (0:length(x)-1)/Fs;
figure;
plot(t, x);
xlabel('Time (s)');
ylabel('Amplitude');
title('Speech Signal in Time Domain');

% 计算幅度频谱
N = length(x);
X = fft(x)/N;
f = (0:N-1)*(Fs/N);
figure;
plot(f, abs(X));
xlabel('Frequency (Hz)');
ylabel('Magnitude');
title('Speech Signal in Frequency Domain');

接下来，我们需要生成噪声并将其添加到语音信号中，以模拟语音信号被污染的情况。可以使用MATLAB中的“randn”函数生成高斯白噪声，并使用“awgn”函数将其添加到语音信号中。示例代码如下：

% 生成高斯白噪声
noise = 0.1*randn(size(x));

% 将噪声添加到语音信号中
SNR = 10; % 信噪比为10dB
y = awgn(x, SNR, 'measured');

% 绘制时域波形
figure;
plot(t, y);
xlabel('Time (s)');
ylabel('Amplitude');
title('Noisy Speech Signal in Time Domain');

% 计算幅度频谱
Y = fft(y)/N;
figure;
plot(f, abs(Y));
xlabel('Frequency (Hz)');
ylabel('Magnitude');
title('Noisy Speech Signal in Frequency Domain');

现在，我们需要设计数字滤波器来去除噪声。可以使用MATLAB中的“fir1”函数和“butter”函数分别设计FIR和IIR数字滤波器。示例代码如下：

% FIR滤波器设计
fc = 1000; % 截止频率为1000Hz
order = 100; % 阶数为100
b = fir1(order, fc/(Fs/2));
z = filter(b, 1, y);

% IIR滤波器设计
fc = 1000; % 截止频率为1000Hz
[b, a] = butter(4, fc/(Fs/2));
z = filter(b, a, y);

% 绘制时域波形
figure;
plot(t, z);
xlabel('Time (s)');
ylabel('Amplitude');
title('Filtered Speech Signal in Time Domain');

% 计算幅度频谱
Z = fft(z)/N;
figure;
plot(f, abs(Z));
xlabel('Frequency (Hz)');
ylabel('Magnitude');
title('Filtered Speech Signal in Frequency Domain');

最后，我们需要与原信号进行比较，并评估滤波效果。可以使用MATLAB中的“sound”函数回放语音信号，并使用“SNR”函数计算信噪比。示例代码如下：

% 回放语音信号
sound(x, Fs); % 原信号
sound(y, Fs); % 带噪声信号
sound(z, Fs); % 滤波后信号

% 计算信噪比
SNR1 = snr(x, y-x); % 带噪声信号的信噪比
SNR2 = snr(x, z-x); % 滤波后信号的信噪比
fprintf('SNR of Noisy Speech Signal: %.2f dB\n', SNR1);
fprintf('SNR of Filtered Speech Signal: %.2f dB\n', SNR2);

通过比较滤波前后的幅度频谱和信噪比，可以评估滤波效果和滤波器设计的选择和性能。如果滤波效果不理想，可以尝试调整滤波器的参数或使用其他类型的数字滤波器。