这是一个非常复杂的话题。关于如何在 MATLAB 中执行此操作的一个很好的概述在这里： https ://ccrma.stanford.edu/~jos/vguitar/Fitting_Filters_Matlab.html

FIR 拟合通常可以通过插值到完整的 FFT 网格并添加最小或零相位，然后进行逆 FFT 以获得脉冲响应来完成。然后，您可以尝试不同的过滤器长度来确定需要哪些长度来创建可接受的配合。

IIR 拟合要复杂得多。上面的例子使用了 MATLAB 的 invfreqz() ，它在某些情况下效果很好，而在其他情况下效果很差。一般来说，这些方法是迭代的，即有许多设计周期，并且在设计步骤之间有一些小的修改，这些修改应该是为了“改进”事物。这些通常使用“梯度”方法，即您需要评估误差函数相对于零点和极点（或您可能选择的任何其他表示）的导数。它们还涉及最小二乘误差方法。必须非常小心地根据频率间隔、权重函数、相对与绝对误差等来正确制定误差标准。误差函数的公式是特定应用程序可以容忍（或不能容忍）的直接表示）。

基于 OPs 问题编辑的编辑：如果你想进行频域滤波（即 FFT->mpy 和 Filter->inverse FFT），那么你需要正确处理所有的成帧、零填充和重叠处理。这是由于循环卷积与线性卷积的差异以及 FFT“按原样”假设定义为周期性信号。谷歌“重叠添加”了解更多信息。

您仍然需要决定过滤器的阶段。离开相位零会创建一个非因果过滤器，这将产生很多环绕问题。至少，您需要改变脉冲响应，使其成为因果关系。

1. 请记住，FFT 总是增加窗口大小的延迟，而参数 EQ 只增加极点数的延迟。FFT 滤波就像一个 N 大小的图形均衡器，但在低频时分辨率较差，而在高频时分辨率过高。（FFT 是线性间距，而真正的图形 EQ 是对数间距。）你确定你真的需要那个吗？参数或图形均衡器通常更好。
2. 您的问题很可能是由于将信号分成块并对每个块进行 FFT 滤波，这会导致每个块的末端彼此不对齐。诊断此类问题需要绘制波形并查看它。您会在每个帧边界看到故障。要修复它，您需要了解窗口函数、重叠相邻窗口等