用matlab实现kN -近邻估计方法，生成均值为0，方差为1，长度为N(N=1,16,256,10000)的一维正态随机信号。 绘制再不同kN与不同N的下所获得的估计概率密度函数的曲线，并进行比较

好的，我可以为你提供一个基本的 MATLAB 代码实现 KN 近邻估计方法生成正态随机信号并绘制概率密度函数的曲线，你可以在此基础上进行修改和调整，以适应你的具体需求。

% 生成均值为0，方差为1，长度为 N 的一维正态随机信号
N = 10000; % 信号长度
mu = 0; % 均值
sigma = 1; % 方差
x = mu + sigma * randn(1, N);

% 绘制概率密度函数曲线
kN = [1, 2, 3, 4, 5]; % kN 值
colors = ['r', 'g', 'b', 'm', 'c']; % 不同 kN 对应的颜色
figure(1);
hold on;
for i = 1:length(kN)
    k = kN(i);
    [f, xi] = ksdensity(x, 'NumPoints', N, 'Bandwidth', k);
    plot(xi, f, colors(i));
end
hold off;
legend('kN=1', 'kN=2', 'kN=3', 'kN=4', 'kN=5');
xlabel('x');
ylabel('概率密度');
title('不同kN下的估计概率密度函数');

在此代码中，我们使用了 `randn` 函数生成长度为 N 的正态随机信号，使用 `ksdensity` 函数计算概率密度函数的估计值，并使用 `plot` 函数绘制了不同 kN 值下的概率密度函数曲线。你可以根据需要修改或调整代码中的参数和绘图设置，以得到你想要的结果。