利用FIR数字滤波器和卡尔曼滤波器，读取本地语音信号加高斯白噪声，并绘制加噪音后的时域波形和频谱图；给定滤波器的性能指标，设计以上两种滤波器，然后用设计的滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比，分析信号的变化，回放语音信号。以上功能用matlab编写

好的，下面是MATLAB代码实现：

1. 读取本地语音信号加高斯白噪声，并绘制加噪音后的时域波形和频谱图

% 读取本地语音信号
[x, fs] = audioread('speech.wav');

% 加高斯白噪声
n = 0.1*randn(length(x), 1);
y = x + n;

% 绘制加噪音后的时域波形和频谱图
subplot(2, 1, 1)
plot(x)
title('原始语音信号')
subplot(2, 1, 2)
plot(y)
title('加噪音后的语音信号')

2. FIR数字滤波器的设计和实现

% 设计FIR数字滤波器
N = 50; % 滤波器阶数
Fp = 3000; % 通带截止频率
Fs = 8000; % 采样频率
Wp = 2*Fp/Fs; % 数字归一化通带截止频率
b = fir1(N, Wp); % FIR数字滤波器系数

% FIR数字滤波器的实现
y_fir = filter(b, 1, y);

% 绘制滤波后的时域波形和频谱图
subplot(2, 1, 1)
plot(y)
title('加噪音后的语音信号')
subplot(2, 1, 2)
plot(y_fir)
title('FIR数字滤波器滤波后的语音信号')

3. 卡尔曼滤波器的设计和实现

% 设计卡尔曼滤波器
A = 1; % 状态转移矩阵
H = 1; % 观测矩阵
Q = 1; % 状态噪声方差
R = 0.1; % 观测噪声方差
P = Q; % 状态协方差矩阵
x_kalman = zeros(length(y), 1); % 状态变量初始化
x_kalman(1) = y(1); % 初始状态值

% 卡尔曼滤波器的实现
for i = 2:length(y)
    % 预测当前状态
    x_kalman(i) = A * x_kalman(i-1);
    P = A * P * A' + Q;
    
    % 更新当前状态
    K = P * H' / (H * P * H' + R);
    x_kalman(i) = x_kalman(i) + K * (y(i) - H * x_kalman(i));
    P = (eye(1) - K * H) * P;
end

% 绘制滤波后的时域波形和频谱图
subplot(2, 1, 1)
plot(y)
title('加噪音后的语音信号')
subplot(2, 1, 2)
plot(x_kalman)
title('卡尔曼滤波器滤波后的语音信号')

4. 分析信号的变化和回放语音信号

% 比较滤波前后的时域波形和频谱图
figure()
subplot(2, 2, 1)
plot(x)
title('原始语音信号')
subplot(2, 2, 2)
plot(y)
title('加噪音后的语音信号')
subplot(2, 2, 3)
plot(y_fir)
title('FIR数字滤波器滤波后的语音信号')
subplot(2, 2, 4)
plot(x_kalman)
title('卡尔曼滤波器滤波后的语音信号')

% 回放语音信号
sound(x, fs)
pause(length(x)/fs)
sound(y, fs)
pause(length(y)/fs)
sound(y_fir, fs)
pause(length(y_fir)/fs)
sound(x_kalman, fs)