matlab设计一个IIR低通滤波器和一个FIR低通滤波器分别滤除心电信号中的白噪声干扰，调整白噪声信噪比大小，对滤波前后的心电信号的频谱进行分析比较。其中数字低通滤波器指标要求，通带截止频率Wp=0.1 Π，阻带截止频率Ws=0.16Π，阻带衰减不小于15 dB，通带衰减不大于1 dB。

以下是Matlab代码实现。

首先生成一个包含白噪声干扰的心电信号：

fs = 1000; % 采样率
t = (0:1/fs:1)'; % 时间向量
signal = sin(2*pi*60*t) + randn(size(t)); % 生成包含白噪声干扰的心电信号

接下来设计并应用IIR低通滤波器，滤除白噪声干扰：

wp = 0.1*pi; % 通带截止频率
ws = 0.16*pi; % 阻带截止频率
Rp = 1; % 通带最大衰减
Rs = 15; % 阻带最小衰减
[n, Wn] = cheb2ord(wp/(2*pi), ws/(2*pi), Rp, Rs); % 计算滤波器阶数和截止频率
[b, a] = cheby2(n, Rs, Wn); % 计算IIR低通滤波器系数
filtered_signal_iir = filter(b, a, signal); % 应用IIR滤波器

接着设计并应用FIR低通滤波器，滤除白噪声干扰：

n = 80; % 滤波器阶数
wc = 0.1*pi; % 通带截止频率
h = fir1(n, wc/(fs/2), kaiser(n+1, 6)); % 计算FIR低通滤波器系数
filtered_signal_fir = filter(h, 1, signal); % 应用FIR滤波器

调整白噪声信噪比大小可以通过改变心电信号中的噪声幅度来实现。比如，可以将心电信号中的噪声幅度设置为信号幅度的一半：

noise_amplitude = 0.5 * std(signal); % 噪声幅度为信号幅度的一半
noisy_signal = signal + noise_amplitude * randn(size(signal)); % 生成AM信号

最后，可以对滤波前后的心电信号的频谱进行分析比较，以确定滤波效果：

% 计算滤波前的心电信号的频谱
[Pxx_signal, f_signal] = periodogram(signal, [], [], fs);
% 计算IIR滤波器滤波后的心电信号的频谱
[Pxx_filtered_iir, f_filtered_iir] = periodogram(filtered_signal_iir, [], [], fs);
% 计算FIR滤波器滤波后的心电信号的频谱
[Pxx_filtered_fir, f_filtered_fir] = periodogram(filtered_signal_fir, [], [], fs);

% 绘制频谱图
figure;
subplot(3,1,1);
plot(f_signal, 10*log10(Pxx_signal));
title('Original Signal Spectrum');
xlabel('Frequency (Hz)');
ylabel('Power/Frequency (dB/Hz)');
ylim([-100, 20]);
grid on;

subplot(3,1,2);
plot(f_filtered_iir, 10*log10(Pxx_filtered_iir));
title('IIR Filtered Signal Spectrum');
xlabel('Frequency (Hz)');
ylabel('Power/Frequency (dB/Hz)');
ylim([-100, 20]);
grid on;

subplot(3,1,3);
plot(f_filtered_fir, 10*log10(Pxx_filtered_fir));
title('FIR Filtered Signal Spectrum');
xlabel('Frequency (Hz)');
ylabel('Power/Frequency (dB/Hz)');
ylim([-100, 20]);
grid on;

运行以上代码后，可以得到原始信号和两种滤波器滤波后的频谱图，以确定滤波效果。