随机生成0-180之间带有高斯噪声的连续角度，角度在中间发生突变，在这种情况下用贝叶斯算法估计角度，画图表示出设定角度与估计角度的对比，计算出估计的误差并画图表示，用matlab代码实现

好的，我可以帮你回答这个问题。

首先，为了生成带有高斯噪声的连续角度，我们可以使用matlab中的`normrnd`函数来生成高斯噪声，然后再将其加到连续角度序列上，如下所示：

% 生成连续角度序列
theta = cumsum(randn(1, 100)*10);

% 生成高斯噪声
noise = normrnd(0, 5, [1, 100]);

% 加入噪声
theta_noisy = theta + noise;

其中，`cumsum`函数表示对随机数序列进行累加，从而生成连续角度序列。

接下来，我们可以使用贝叶斯算法来估计角度。具体来说，我们可以假设在每个时刻$t$，真实角度为$\theta_t$，测量值为$y_t$，则有：

$$
p(\theta_t|y_{1:t})=\frac{p(y_t|\theta_t)p(\theta_t|y_{1:t-1})}{p(y_t|y_{1:t-1})}
$$

其中，$p(y_t|\theta_t)$表示测量值$y_t$在给定真实角度$\theta_t$下的概率分布，可以假设为高斯分布；$p(\theta_t|y_{1:t-1})$表示在$t-1$时刻已经获得的所有测量值$y_{1:t-1}$的条件下，真实角度为$\theta_t$的概率分布，可以使用贝叶斯算法递归计算；$p(y_t|y_{1:t-1})$为归一化常数，通过对分子进行积分得到。

具体实现如下：

% 初始化参数
mu = 0; % 初始估计值
sigma = 10; % 初始方差
theta_est = zeros(size(theta_noisy)); % 存储估计值
sigma_est = zeros(size(theta_noisy)); % 存储方差

% 递归计算
for i = 1:length(theta_noisy)
    % 计算先验分布
    p_theta = normpdf(theta, mu, sigma);
    
    % 计算似然函数
    p_y_given_theta = normpdf(theta_noisy(i), theta, 5);
    
    % 计算后验分布
    p_theta_given_y = p_y_given_theta .* p_theta;
    p_theta_given_y = p_theta_given_y / sum(p_theta_given_y);
    
    % 计算估计值和方差
    theta_est(i) = sum(p_theta .* theta);
    sigma_est(i) = sum(p_theta .* (theta - theta_est(i)).^2);
    
    % 更新先验分布
    mu = theta_est(i);
    sigma = sigma_est(i);
end

最后，我们可以将设定角度和估计角度绘制成图表，如下所示：

% 绘制设定角度和估计角度
plot(1:length(theta_noisy), theta, 'b', ...
     1:length(theta_noisy), theta_est, 'r');
legend('设定角度', '估计角度');
xlabel('时间');
ylabel('角度');

我们还可以计算估计的误差和方差，并将其绘制成图表，如下所示：

% 计算估计误差和方差
error = theta - theta_est;
plot(1:length(theta_noisy), error);
xlabel('时间');
ylabel('估计误差');
title(sprintf('平均误差：%g, 方差：%g', mean(error), var(error)));

完整的matlab代码如下所示：