写一个利用matlab实现拉丁超立方算法的代码，要求抽取样本为每个矩阵，且矩阵中的数据服从正态分布

在MATLAB中，拉丁超立方设计(Latin Hypercube Sampling, LHS)是一种常用的统计抽样技术，用于生成各维度之间独立均匀分布的随机数样本，常用于模型验证、参数研究等场景。下面是一个简单的例子，展示了如何使用MATLAB内置函数`lhsdesign`来实现拉丁超立方抽样，假设我们有5个输入变量，每个变量需要抽取10个样本，并且所有变量的数据都服从正态分布：

% 设置随机数种子以保证结果的可复现性
rng('default')

% 定义变量的数量和样本数量
num_variables = 5;
num_samples = 10;

% 创建正态分布的均值向量和方差矩阵
mean_values = [0, 0, 0, 0, 0]; % 每个变量的均值可以自定义
covariance_matrix = eye(num_variables); % 单位方差，对角线元素为1

% 使用lhsdesign函数生成拉丁超立方样本
latin_sample = lhsdesign(num_variables, num_samples, 'Randomization', true);

% 将样本转换为正态分布
% 因为lhsdesign产生的结果是[0,1]范围内的均匀分布，我们需要将它们标准化到正态分布
normal_samples = mvnrnd(mean_values, covariance_matrix, size(latin_sample));

% 结果存储为矩阵，每一行代表一个样本
sample_matrices = cellfun(@(x) reshape(x, [1, num_samples*num_variables]), normal_samples);

在这个例子中，`normal_samples`矩阵包含了所有样本的组合，而`sample_matrices`是一个cell数组，每个元素都是一个包含10个样本矩阵的小单元格。