用matlab实现K近邻估计法，2.，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。 用不同颜色绘制不同kN与不同N的下所获得的估计概率密度函数的曲线，

以下是用MATLAB实现K近邻估计法，并用不同颜色绘制不同kN与不同N的估计概率密度函数的示例代码：

% 生成正态随机信号
N = [1, 16, 256, 10000]; % 信号长度
signal = cell(length(N), 1);
for i = 1:length(N)
    signal{i} = randn(N(i), 1);
end

% 绘制估计概率密度函数
kN = [1, 3, 5, 10]; % K近邻估计中的K值
color = ['r', 'g', 'b', 'm']; % 绘图颜色
figure;
for i = 1:length(N)
    subplot(length(N), 1, i);
    hold on;
    for j = 1:length(kN)
        % 计算概率密度函数
        x = linspace(-5, 5, 100);
        pdf = zeros(length(x), 1);
        for k = 1:length(x)
            dist = abs(signal{i} - x(k));
            [~, idx] = sort(dist);
            idx = idx(1:kN(j));
            pdf(k) = kN(j) / (N(i) * 2 * mean(dist(idx)));
        end
        plot(x, pdf, color(j));
    end
    title(['N=', num2str(N(i))]);
    legend(['kN=', num2str(kN(1))], ['kN=', num2str(kN(2))], ['kN=', num2str(kN(3))], ['kN=', num2str(kN(4))]);
    hold off;
end

运行上述代码，会生成一个包含多个子图的图像，每个子图表示不同N下的估计概率密度函数的曲线，每条曲线的颜色表示不同的kN值。其中，x轴表示信号值，y轴表示概率密度。可以通过观察图像来了解K近邻估计法在不同参数下的表现。