使用滤波器设计方法将一维信号的频率成分分别获得，并以matlab代码写出，将滤得的频率成分叠加生产原信号，并与给的标准原信号进行对比。

好的，我会尽力回答你的问题。

首先，滤波器设计方法有很多种，包括FIR、IIR、Butterworth、Chebyshev等等。这里我以FIR滤波器为例进行说明。

FIR滤波器是一种线性相位滤波器，其特点是具有无限脉冲响应（Impulse Response，简称IR），即滤波器的输出可以由输入信号与无限长的系数序列卷积得到。FIR滤波器的设计方法包括窗函数法、最小二乘法等，这里我以窗函数法为例进行说明。

1. 设计滤波器

在Matlab中，可以使用`fir1`函数设计FIR滤波器。该函数的输入参数包括滤波器阶数和截止频率等，具体用法可以参考Matlab的帮助文档。

下面是一个简单的例子，假设原信号为一个频率为100Hz的正弦波，采样率为1000Hz，我们需要设计一个低通滤波器，截止频率为50Hz，阶数为100。

fs = 1000;                   % 采样率
f = 100;                     % 原始信号频率
t = 0:1/fs:1;                % 时间序列
x = sin(2*pi*f*t);           % 原始信号

fc = 50;                     % 截止频率
n = 100;                     % 滤波器阶数
b = fir1(n, fc/(fs/2));      % FIR滤波器系数

y = filter(b, 1, x);         % 滤波后的信号

2. 分离频率成分

滤波后的信号`y`已经分离出了频率为50Hz以下的成分，我们可以使用FFT将其分离出来。

Y = fft(y);                  % 对滤波后的信号进行FFT
L = length(y);               % 信号长度
P2 = abs(Y/L);               % 双边频谱
P1 = P2(1:L/2+1);            % 单边频谱
P1(2:end-1) = 2*P1(2:end-1); % 去掉双边频谱的对称部分

f = fs*(0:(L/2))/L;          % 频率向量
plot(f,P1)                   % 绘制单边频谱

3. 重建信号

分离出的频率成分可以通过IFFT重建成信号。

y1 = ifft(Y);                % 对分离出的频率成分进行IFFT

4. 与标准原信号进行对比

这里我们可以使用均方误差（Mean Squared Error，简称MSE）来衡量滤波后的信号与原始信号的误差。

mse = mean((y1-x).^2);       % 计算MSE

以上就是使用滤波器设计方法将一维信号的频率成分分别获得的过程，并附上了相应的Matlab代码。