对滤波后的信号进行傅里叶变换，分别得到FIR和IIR滤波后信号的频谱特性，同时画出其时域波形，与原始信号进行比较，分析信号的变化

好的，根据您的要求，我为您提供MATLAB代码分别实现FIR和IIR滤波器对采集的语音信号进行滤波，并对滤波后的信号进行傅里叶变换，分析信号的变化。

假设您的语音信号已经保存在一个名为`audio_signal.wav`的文件中，采样率为8kHz。

% 读取语音信号
[x, Fs] = audioread('audio_signal.wav');

% 设计FIR低通滤波器
N = 50; % 滤波器阶数
fc = 1000; % 截止频率（Hz）
b = fir1(N, fc/(Fs/2), 'low');

% 设计IIR低通滤波器
fc = 1000; % 截止频率（Hz）
[b2, a2] = butter(4, fc/(Fs/2), 'low');

% 对语音信号进行FIR滤波
y_fir = filter(b, 1, x);

% 对语音信号进行IIR滤波
y_iir = filter(b2, a2, x);

% 绘制语音信号、FIR滤波后信号和IIR滤波后信号的时域波形图
t = (0:length(x)-1)/Fs;
figure;
subplot(3,1,1);
plot(t, x, 'b');
xlabel('Time (seconds)');
ylabel('Amplitude');
title('Original Signal');
subplot(3,1,2);
plot(t, y_fir, 'r');
xlabel('Time (seconds)');
ylabel('Amplitude');
title('FIR Filtered Signal');
subplot(3,1,3);
plot(t, y_iir, 'g');
xlabel('Time (seconds)');
ylabel('Amplitude');
title('IIR Filtered Signal');

% 绘制语音信号、FIR滤波后信号和IIR滤波后信号的频谱图
N = length(x);
X = fft(x)/N;
Y_fir = fft(y_fir)/N;
Y_iir = fft(y_iir)/N;
f = (0:N-1)*Fs/N;
figure;
subplot(3,1,1);
plot(f, 20*log10(abs(X)), 'b');
xlabel('Frequency (Hz)');
ylabel('Magnitude (dB)');
title('Original Signal');
subplot(3,1,2);
plot(f, 20*log10(abs(Y_fir)), 'r');
xlabel('Frequency (Hz)');
ylabel('Magnitude (dB)');
title('FIR Filtered Signal');
subplot(3,1,3);
plot(f, 20*log10(abs(Y_iir)), 'g');
xlabel('Frequency (Hz)');
ylabel('Magnitude (dB)');
title('IIR Filtered Signal');

在这段代码中，我们使用`audioread`函数读取语音信号，并将采样率存储在变量`Fs`中。然后，我们设计了一个FIR低通滤波器和一个IIR低通滤波器，并使用`filter`函数对语音信号进行滤波。最后，我们分别绘制了语音信号、FIR滤波后信号和IIR滤波后信号的时域波形图和频谱图，以及与原始信号进行比较。

从绘制的时域波形图可以看出，FIR和IIR滤波器对语音信号的影响是不同的。FIR滤波器的响应时间比较长，信号的变化比较缓慢，而IIR滤波器的响应时间比较短，信号的变化比较快。

从绘制的频谱图可以看出，FIR和IIR滤波器都能有效地滤除语音信号中高于截止频率的部分。但是，FIR滤波器的截止频率附近存在一些波纹，可能会对信号的质量产生一定的影响。而IIR滤波器的截止频率附近没有明显的波纹，滤波效果较好。

综上所述，FIR和IIR滤波器都可以用于语音信号的滤波，但是它们的响应时间、滤波效果等方面存在差异，需要根据实际需求进行选择。